Barriers and Gaps Affecting mHealth in Low and Middle 
Income Countries: Policy White Paper 
 
May 2010 
 
Center for Global Health and Economic Development 
Earth Institute, Columbia University 
 
Researched and Written by: 
 
Patricia Mechael 
Hima Batavia 
Nadi Kaonga 
Sarah Searle 
Ada Kwan 
Adina Goldberger 
Lin Fu 
James Ossman 
  1 
Table of Contents
 

Acknowledgements ........................................................................................................................................................ 4 
Executive Summary......................................................................................................................................................... 5 
Background ..................................................................................................................................................................... 7 
mHealth Review Process............................................................................................................................................. 8 
mHealth White Paper on Barriers and Gaps .............................................................................................................. 8 
Overview of mHealth Challenges, Barriers, and Gaps .................................................................................................. 10 
Overview of Study Findings Across Thematic Areas ..................................................................................................... 14 
Treatment Compliance ............................................................................................................................................. 15 
Research Findings Related to the Use of Mobile Technologies for Treatment Compliance ................................ 16 
Barriers to and Gaps in the Use of Mobile Technologies for Treatment Compliance ......................................... 21 
Data Collection and Disease Surveillance ................................................................................................................. 23 
Research Findings Related to the Use of Mobile Technologies in Data Collection and Disease Surveillance ..... 24 
Barriers to and Gaps in the Use of Mobile Technologies in Data Collection and Disease Surveillance ............... 28 
Health Information Systems and Point‐of‐Care Support Tools for Health Workers ................................................ 30 
Research Findings Related to the Use of Mobile Technologies in Health Information Systems ......................... 31 
Barriers  to  and  Gaps  in  the  Use  of  Mobile  Technologies  in  Information  and  Support  Tools  for  Health 
Professionals ......................................................................................................................................................... 33 
Disease Prevention and Health Promotion .............................................................................................................. 36 
Research Findings Related to the Use of Mobile Technologies for Disease Prevention and Health Promotion . 37 
Barriers to and Gaps in the Use of Mobile Technologies for Disease Prevention and Health Promotion ........... 43 
Emergency Medical Response .................................................................................................................................. 45 
Research Findings Related to the Use of Mobile Technologies in Emergencies .................................................. 45 
Barriers to and Gaps in the Use of Mobile Technologies in Emergencies ............................................................ 51 
mHealth Barriers and Gaps ........................................................................................................................................... 53 
Policy Barriers ........................................................................................................................................................... 55 
Research Gaps ........................................................................................................................................................... 63 
Recommendations and Considerations ........................................................................................................................ 66 
Conclusion ..................................................................................................................................................................... 69 
  2 
References by Thematic Area ....................................................................................................................................... 70 
Treatment Compliance References .......................................................................................................................... 70 
Data Collection and Disease Surveillance References .............................................................................................. 72 
Health Information Systems: Point‐of‐Care Support Tools for Health Workers ...................................................... 74 
Disease Prevention and Health Promotion References ........................................................................................... 76 
Emergency Medical Response System References .................................................................................................. 78 
Other ......................................................................................................................................................................... 79 
 

3 
ACKNOWLEDGEMENTS  
There  are  many  colleagues  to  whom  we  owe  a  debt  of  gratitude.  Without  their  work  and  guidance  this  Policy 
White  Paper  on  mHealth  Barriers  and  Gaps  would  not  have  been  possible.  First,  we  would  like  to  thank  the 
mHealth  Alliance  for  sponsoring  this  publication  and  its  commitment  to  identifying  the  barriers  to  and  gaps  in 
scaling and sustaining the use of mobile technology as a tool to promote health throughout the world. Specifically, 
we  acknowledge  the  work  of  David  Aylward  and  Claire  Thwaites  in  helping  to  shape  the  direction  of  this  policy 
paper.  Second,  we  would  like  to  express  our  appreciation  for  the  supportive  work  environment  provided  at  the 
Center  for  Global  Health  and  Economic  Development  (CGHED)  at  the  Earth  Institute,  Columbia  University.  At 
CGHED, we particularly recognize the strategic vision of Joanna Rubinstein along with the support of James Ossman 
and colleagues at the Earth Institute who work on the Millennium Villages Project and other mHealth policy‐related 
activities. To Jeff and Sonia Sachs we commend your role as catalysts in the public discourse on the use of mobile 
technologies  as  transformative  tools  in  accelerating  the  achievement  of  the  Millennium  Development  Goals  in 
general and those related to health in particular.  

This  paper  was  subsequently  circulated  for  virtual  review  by  a  technical  advisory  group.  We  would  like  to  thank 
Ayedee  Domingo,  SynapseHealth;  Jonathan  Donner,  Microsoft  Research;  David  Haddad,  World  Bank‐AFTHE;  Bas 
Hoefman, Text to Change; Adesina Iluyemi, Global Health Commission‐NEPAD Council; Robert Istepanian, Kingston 
University;  Garrett Mehl,  World  Health  Organization;  Neil  Pakenham‐Walsh,  Global  Health  Information Network; 
Ravi Ram, AMREF; Pamela Riley, Abt Associates; Francisco Rubio, eHealth Consultant Peru; Tove Sørensen, World 
Health Organization; and John Traxler, University of Wolverhampton. Further, it was presented for comment and 
discussion  at  a  roundtable  event  on  March  1,  2010  hosted  by  the  Center  for  Global  Health  and  Economic 
Development  at  the  Earth  Institute,  Columbia  University,  structured  to  engage  key  mHealth  stakeholders  and 
policy‐making  bodies.  We  would  like  to  express  our  gratitude  to  Joaquin  Blaya,  Partners  in  Health;  Alison  Bloch, 
mHealth Alliance; Fabiano Cruz, Inter‐American Development Fund; Holly Ladd, AED‐SATELLIFE Center for Health & 
Information  Technology;  Neal  Lesh,  D‐Tree,  Harvard  University;  Josh  Nesbit,  FrontlineSMS:Medic;  Veronica 
Olazabel,  Rockefeller  Foundation;  Rodrigo  Saucedo,  Carso  Institute;  and  Walter  Curioso  Vilchez,  Universidad 
Peruana Cayetano Heredia for their time and constructive feedback both as part of the panel as well as the virtual 
review committee. The final white paper incorporates feedback from the virtual review as well as the roundtable. 
Further  consultation  with  key  stakeholders  will  help  set  the  way  forward  for  the  development  of  mHealth 
guidelines  and  a  policy framework  that  will  be  used  to  catalyze  dialogue  and  collaboration through  the  mHealth 
Alliance Public Square planned for launch later in 2010.  

It  is  our  sincere  hope  that  by  identifying  the  key  mHealth  barriers  and  gaps  more  proactive  efforts  can  be 
undertaken to create an enabling environment to promote mHealth scale, sustainability, evidence‐based research, 
and business models.  

 
  4 
EXECUTIVE SUMMARY 
There  is  growing  momentum  and  enthusiasm  to  capitalize  on  the  rapid  spread  of  telecommunications 
infrastructure and uptake of mobile phones and mobile broadband services in low and middle income countries to 
support  the  achievement  of  global, national,  district,  community, and  individual  level  health  priorities.  Still  in  its 
infancy, mHealth, the use of mobile technologies for health, runs the risk of not realizing its full potential due to 
small‐scale implementations and pilot projects with limited reach. To help shed light on these issues, the mHealth 
Alliance commissioned an in‐depth exploration of the policy barriers and research gaps facing mHealth. This White 
Paper, written by a team of researchers at the Center for Global Health and Economic Development at the Earth 
Institute, Columbia University, examines and synthesizes the existing mHealth literature to assess the current state 
of mHealth knowledge and identify barriers and gaps. 

The body of literature documenting studies and initiatives exploring the scope of mHealth in high‐income and low‐ 
and  middle‐income  countries  is  considerable  and  an  indication  of  a  burgeoning  field.  The  review  identified 
significant gaps in mHealth knowledge stemming from the limited scale and scope of mHealth implementation and 
evaluation, a policy environment that does not link health objectives and related metrics to available mHealth tools 
and systems, and little investment in cost‐benefit studies to assess mHealth value and health outcomes research to 
assess success factors and weed out poor investments. The current mHealth evidence base, mostly in the field of 
computer science and not health, is not sufficient to inform and influence governments and industry partners to 
invest resources in nationally scaled mHealth initiatives. However, it does provide indications of the barriers to be 
overcome  to  create  the  policy  environment  needed  to  develop  strategies  for  community,  district,  regional,  and 
national programs to implement and evaluate programs that link mobile technologies to national health objectives 
and  health  information  systems  in  a  way  that  benefits  citizens  and  health  workers  alike.  Coordination  and  the 
identification of incentive structures and the rules of engagement for meaningful collaboration between the public 
and  private  sector  is  needed  to  better  inform  public  and  private  investments  and  the  deployment  of  socially 
beneficial and commercially viable solutions.  

As illustrated throughout the literature, the current single‐solution focus of mHealth needs to be replaced by using 
mHealth  as  an  extension  and  integrator  of  underlying  health  information  systems  along  the  continuum  of  care. 
End‐to‐end  patient  care  systems  and  point‐of‐care  support  for  health  workers  are  needed  whereby  mHealth 
applications  are  interoperable  and  integrated  with  provider  systems  linking  the  most  remote  community  health 
worker  with  the  most  appropriate  sources  of  information  when  and  where  it  is  needed.  Such  systems  have  the 
ability to generate individual level data at the household and facility level that when aggregated can serve as the 
basis for health information and disease surveillance systems as well as link into financial systems for claims and 
reimbursements. Creating a strong collaborative foundation will be instrumental in driving and positioning public 
and private investment in mHealth in a way that contributes to achieving improved access to health information 
and  services,  health  outcomes,  and  efficiencies.  Within  such  structured  paradigms,  planning  for  infrastructure 
investment and human resources capacity strengthening and identifying public and private stakeholders within the 

  5 
ecosystem to take leadership for the development, testing, implementation, and evaluation of mHealth activities 
can be appropriately mapped and planned and mHealth services more effectively extended to support the health 
of citizens and the work of health professionals and administrators.  

  6 
BACKGROUND 
Mobile health or mHealth broadly encompasses health‐related uses of mobile telecommunication and multimedia 
technologies  within  health  service  delivery  and  public  health  systems  (F1).  While  this  definition  of  mHealth  was 
established  in  2003,  it  has  since  been  expanded  to  include  public  health  and  well‐being  and  gained  significant 
momentum  through  the  unanticipated  spread  of  mobile  telecommunications  infrastructure  and  uptake  of 
handsets  and  services  throughout  low‐  and  middle‐income  countries  (LMICs).  Further,  the  term  “mobile  phone” 
has  evolved  as  the  technological  capabilities  have  advanced  over  the  years.  In  the  literature,  the  term  mobile 
phone,  and  sometimes  cellular  phone,  is  used  to  denote  standard  voice,  short  message  service  (SMS),  and 
multimedia  messaging  service  (MMS)  functionality,  and  in  some  cases  web  browsing  and  email.  The  term  PDA 
stands for personal digital assistant and refers to the earliest version of a mobile phone with personal organization 
functionalities such as web browsing, email, and the ability to write easily using pen or stylus. Despite being almost 
discontinued,  many  studies  in  the  literature  focus  on  the  use  of  PDAs,  especially  for  data  collection  and  health 
information support. Smart phones are the most recent technology and combine the functions of a mobile phone 
and PDA, in addition to enabling Internet access and imaging and video functionality. Although these phones are 
gaining popularity in high‐income countries, for most individuals in LMICs, the cost is prohibitive. Nevertheless, the 
lines between smart phones and mobile phones are increasingly blurring, and the distinction between the two is 
decreasing rapidly.  

Throughout the world, there has been a mounting interest within the health sector to take advantage of the overall 
improvements  in  telecommunications  and  the  rapid  uptake  of  mobile  communication  technologies.  Despite  the 
interest in this emerging field particularly as it pertains to LMICs, in‐depth examination and synthesis of what works 
and does not work or the evidence base for mHealth has yet to be rigorously assessed and established. Absence of 
such information hampers efforts to capitalize on expanding telecommunications networks and successful mHealth 
pilot projects.  

Though  the  mHealth  field  is  still  in  its  early  stages,  there  are  indications  that  it  is  starting  to  transform  health 
systems—demonstrating  its  potential  for  extending  the  reach  of  health  information  and  services  to  remote 
populations  and  promoting  a  shift  toward  citizen‐centered  health  care  and  well‐being.  mHealth  projects 
throughout the world are generating benefits (F2), including:  

 Increased access to healthcare and health‐related information, particularly for hard‐to‐reach populations  
 Increased efficiency and lower cost of service delivery 
 Improved ability to diagnose, treat, and track diseases  
 Timely, more actionable public health information  
 Expanded access to ongoing medical education and training for health workers 
 
While  mHealth  has  great  potential,  current  research,  as  identified  in  this  white  paper,  does  not  provide  much 
evidence  for  actual  and  wide‐scale  health  impacts,  nor  answers  to  critical  research  questions  such  as  access  to 
health‐related information; improved ability to diagnose, treat, and track diseases; and ongoing medical education 
  7 
and training for health workers.  
 
The  momentum  surrounding  mHealth  is  rapidly  increasing;  however  organizations,  development  agencies, 
telecommunications  companies,  and  governments  require  more  intensive  evaluation  and  research  for  better 
informed  investments.  Evidence  from  early  mHealth  deployments  should  be  informing  and  guiding  subsequent 
projects to ensure that ineffective approaches are not duplicated and early successes can be replicated and scaled. 
The  aim  of  this  White  Paper  is  to  synthesize  what  is  known  in  the  mHealth  evidence  base,  identify  gaps  in 
knowledge, and profile risks and barriers that are hampering mHealth scale and sustainability.  

MHEALTH REVIEW PROCESS  
With support from the mHealth Alliance, the Center for Global Health and Economic Development (CGHED) at the 
Earth  Institute,  Columbia  University  has  completed  its  annual  update  of  the  Review  of  mHealth  literature  to 
promote the expansion of the evidence base and create an enabling environment for mHealth projects to thrive. 
The first review of mHealth projects was sponsored by the World Health Organization (WHO) Global Observatory 
for eHealth in 2007. This was then updated by the Earth Institute in 2008. While the focus of the first two reviews 
was  a  mix  of  project  descriptions  and  research,  the  review  for  2009‐2010  has  been  structured  to  serve  as  a 
searchable and updatable database of mHealth studies and research that will be housed in the mHealth Alliance 
Public Square (now being developed) and released later this year. The 2009‐2010 review has been used to inform 
this mHealth white paper, which aims to identify barriers and gaps to mHealth growth. The database of studies will 
serve as a public resource to be used to inform future activity and research in mHealth as in the case of this policy 
white paper. References have been included in this report by thematic area. 
 

MHEALTH WHITE PAPER ON  BARRIERS AND GAPS 
This mHealth White Paper on Barriers and Gaps aims to first examine and synthesize research done to evaluate the 
impact  of  mHealth  implementations  in  LMICs,  and  second,  to  examine  the  programming,  policy,  and  research‐
related barriers to and gaps in mHealth scale and sustainability. This paper is divided into two main sections. The 
first section reviews and summarizes the peer‐reviewed literature on mHealth initiatives with a focus on LMICs to 
highlight mHealth trends and challenges as identified in the literature. The second section examines the existing 
mHealth policy environment, barriers and gaps, and key drivers needed for an enabling policy environment to help 
accelerate mHealth.  

This white paper aims to inform the work of current and future mHealth project implementers, Ministries of Health 
(MoH)  and  Information  and  Communication  Technology  (ICT)  as  well  as  the  Ministries  of  Finance  (MoF),  policy 
makers  (including  WHO,  International  Telecommunications  Union  (ITU),  World  Bank,  bi‐lateral  funding  agencies, 
and  private  donor  institutions),  academic  and  research  institutions,  private  sector  companies  (including 
telecommunications, software development, medical devices, pharmaceutical, among others), health professionals 
and  administrators,  and  individual  citizens.  Unlike  previous  reviews  that  map  mHealth  projects  and  trends,  this 
  8 
update focuses on peer‐reviewed publications. It compiles and examines large and small studies that investigate 
the use of mobile technologies for health in both high‐income countries and LMICs. 

To begin, a team of researchers conducted a targeted review that segmented mHealth into major thematic areas. A 
thorough  literature  review  was  conducted  using  pre‐determined  keywords  with  prominent  databases  for  each 
thematic area. These databases included JSTOR, Medline OVID, PubMed, Scholars Portal Science, Scopus, and Web 
of Science. Selection and analysis of key papers was conducted by identifying literature that met specific inclusion 
criteria. These included:  

 Evidence‐based studies on mHealth technologies with a sound study design, including descriptive studies, 
qualitative studies, and randomized trials 

 Drawing on evidence, where possible, from LMICs, and evidence from high‐income countries in the absence 
of studies from LMICs 

 Using a broad definition of mobile technologies, which includes examining its core function (i.e., voice), and 
its applicability to health, in addition to supplementary features and functions such as SMS, video, imaging, 
Global Positioning System (GPS), General Packet Radio Service (GPRS), Unstructured Supplementary Service 
Data (USSD), Bluetooth, web browsing and cell broadcasting, and health‐related software applications 

This  body  of  peer‐reviewed  evidence  was  complemented  by  an  analysis  of  secondary  literature  including  white 
papers, articles, theses, and reports. Through the analysis of these two sources of evidence, themes and patterns 
that existed across the literature were derived to gain a thorough understanding of the barriers and gaps in each 
mHealth thematic group.  

  9 
OVERVIEW OF MHEALTH CHALLENGES, BARRIERS, AND GAPS  
In each mHealth thematic area, the challenges, barriers, and gaps in mHealth manifest themselves in unique and 
inter‐related ways both in LMICs as well as in high‐income countries. For the purposes of this white paper, we have 
synthesized  research  findings  to  specifically  examine  policy  barriers  to  mHealth  scale  and  sustainability  and 
mHealth research gaps.  

From the literature review, six major themes in mHealth applications emerged. This white paper discusses research 
gaps  and  policy  barriers  specifically  for  five  of  these  themes,  as  telemedicine  was  found  to  be  a  cross‐cutting 
theme. We also note that there have been very few trials of integrated, comprehensive systems that include most 
or  all  of  these  themes  in  single  deployments.  The  current  single‐solution  focus  may  itself  be  a  major  barrier  to 
deployment as it requires each “silo” to stand on its own, rather than leverage the benefits of other areas. Single 
solutions tend not to be integrated with other mHealth solutions or into broader eHealth systems. For example, 
software for mobile electronic health records used to support primary care could be modified to include searchable 
databases for the purposes of data collection and disease surveillance, eliminating the need for a parallel system. 
However, such integrated solutions have yet to be deployed.  

The themes that have been identified from the literature review are as follows: 

 Treatment Compliance  
 Data Collection and Disease Surveillance  
 Health Information Systems and Point‐of‐Care Support  
 Health Promotion and Disease Prevention  
 Emergency Medical Response  
 
Table 1 provides a summary of the findings of the literature review for each thematic area of mHealth. 

  10 
Table 1: Framework for mHealth applications 

# of relevant       
mHealth  citations   Trends  Research Gaps  Policy Barriers 
theme  from 
literature 
Treatment   SMS applications used to   Published case studies   The scope of mHealth for 
compliance  remind patients to take drugs,  abound, but few studies with  treatment compliance is 
attend appointments   adequate sample size and  limited in areas where 
 Bluetooth and web‐based  rigorous study design   access to health services and 
interfaces used to track   Most mobile systems analyzed  drug supplies is poor or 
patient data in high‐income  worked in tandem with an  inconsistent. Programs are 
countries   Internet‐based management  most effective when 
 Studies from high‐income  system—in many LMICs this is  patients are able to access 
countries focused more on  not an option as broadband  treatment when needed. 
chronic or non‐communicable  penetration is still low  Health systems 
43  strengthening as a whole 
disease treatment compliance   
may be important to the 
 Studies from LMICs focused 
success of mHealth for 
more on infectious disease 
treatment compliance as 
drug adherence 
reminders to attend clinics 
 Chronic disease management 
without reliable services and 
applications will become 
a steady drug supply is 
more relevant as 
meaningless.  
epidemiological shift 
 
accelerates in LMICs 
 
Data   Paper and pen method being   Most of the literature focuses   Rights to data and guidelines 
collection  replaced by data collection  on comparative studies  on usage  
and disease  using PDAs—literature shows  between effectiveness of PDAs   Data storage, i.e., where 
surveillance  mixed results on reduction of  versus paper and pen methods   servers should exist  
errors and time as well as cost   Little work detailing the use of   Coordination of data 
savings   the data to affect health  aggregation and sharing 
34   Open source applications are  outcomes and programs after  between local communities 
being used   collection   and regional and national 
 Data being collected from   Updated studies required to  health information systems 
forms on PDAs (and now  investigate the outcomes using  to inform decisions  
shifting to smart phones),  newer phone models in high‐
SMS, Voice and Health Call  income countries and LMICs  
Centers  
Health   Shift from health information   The literature on the use of   Clinician resistance to new 
information  systems being designed solely  mobile technologies for  technology is a significant 
systems and  for clinicians to including  information support for health  barrier to implementation of 
point‐of‐care  Community Health Workers.   professionals and service  mHealth systems. Broader 
support    Telemedicine can dramatically  delivery in developing  discussion of incentives for 
help overcome barriers to  countries is anecdotal and  adoption is required. 
accessing expertise and  fragmented.   Cost and infrastructure 
30  relevant information.   mLearning in the healthcare  implications for nationwide 
 Considerable differences and  context has not been widely  community‐ and facility‐
outcomes between the  studied in LMICs.  based data collection and 
application of telemedicine in    universal access to support 
high‐income countries and  systems are unknown. 
LMICs   
 Key to success weighs heavily 
on user friendly products and 

  11 
 systems (i.e., portability, task 
structure, spatial mobility, 
system reliability), 
understanding of local 
information and 
communication technology 
(ICT) usage habits, and 
integration within existing 
health systems  
 
Health   Use of SMS to disseminate   Better understanding of   Liability and accuracy of 
promotion  health information and  context and culture to develop  health information  
and disease  prevention messaging, or  effective mobile health   Security challenges as result 
prevention  25  direct patients to services   prevention programs   of shared mobile phones 
 Games and quizzes being used   Strategies for overcoming   
to communicate health  language and literacy barriers  
prevention messaging  
Emergency   Challenge to study emergency   Emergent field—little work   Regulations such as network 
medical  medical response systems  measuring impact of mHealth  capacity bar the 
response  (EMRS) due to nature and  initiatives for EMRS in LMICs   effectiveness of EMRS 
sensitivity of emergencies 
 Lacking EMRS infrastructure in   Nationwide alert systems 
 Citizen reporting becoming a  LMICs—challenging to use 
that are understood by 
more common and reliable  citizens during an emergency  
mHealth as an enhancement 
source of timely information  tool    Infrastructure costs 
37  during an emergency  (transportation and roads) 
 Beyond voice, text, and basic 
 Use of mobile technologies to  image transfer, funding in 
are prohibitive, especially for 
mobilize support for disaster  nationwide emergency call 
LMICs not adequate to support 
management and recovery  centers  
more complex telemedicine 
  systems for use in EMRS   Guidelines that outline 
acceptable use of mobile 
phones as imaging device 
 
 

The use of SMS technology for treatment compliance interventions was a prevalent theme in the literature across 
LMICs  and  high‐income  countries.  While  studies  from  high‐income  countries  primarily  focused  on  tackling  non‐
communicable and chronic diseases, such as asthma and diabetes, as epidemiological shifts occur in LMICs these 
interventions will become more relevant. Already, mHealth is being applied in LMIC settings for chronic infectious 
diseases such as tuberculosis and HIV/AIDS. Moving forward, translating these studies from a high‐income country 
context to a LMIC context will be required to further understand effectiveness and usefulness.  
 
In  the  area  of  disease  surveillance,  more  and  better  research  is  needed  to  compare  and  contrast  mHealth 
interventions,  including  having  community  health  workers  collect  data,  self‐reporting  data,  and  obtaining  data 
from clinic and hospital records. Comparative studies that examine a range of reporting mechanisms are needed 
for  more  informed  investments  by  governments  and  organizations  like  the  WHO  and  the  Centers  for  Disease 
Control in surveillance and response activities. In particular, systems that combine surveillance with point‐of‐care 
support tools need to be increasingly deployed and studied. mHealth presents an opportunity to break down the 
traditional information barriers between diagnosis and treatment and surveillance activities. 

  12 
 
The  widespread  use  of  mobile  technologies  in  LMICs  for  data  collection  and  improving  access  to  information  as 
part of health information systems (HIS) and point‐of‐care support tools is well‐documented in the gray literature, 
but  studies  in  peer‐reviewed  journals  are  generally  weak  and  the  results  focus  on  intermediary benefits  such  as 
cost  savings  and  improved  reliability  of  data,  but  do  not  go  to  the  next  level  to  show  improved  work  flow, 
efficiency, quality of care, and/or health outcomes. Implementations remain modest in size and often sit outside of 
the  broader  government‐led  district  HIS  deployments.  The  term  ‘improving  access  to  information’  is  very  broad 
and  needs  to  be  defined  more  specifically.  The  types  of  health  information  that  have  been  shown  to  be  more 
accessible  through  mHealth  are  treatment  protocols,  drug  information,  and  guidelines  for  facility‐based  health 
workers  (nurses  and  physicians).  While  programs  exist  to  provide  similar  tools  for  community  health  workers, 
limited research has been done to assess their effects. These point‐of‐care support tools also enable real‐time data 
collection through structured question and response fields, which may—if implemented effectively to capture the 
data needed for national surveillance and health information systems reporting—displace traditional approaches 
to  HIS,  which  focus  on  the  implementation  of  data  collection  platforms  for  aggregated  facility‐  and  community‐
based health information within a service delivery context. There is a shift toward decision support tools aimed at 
improving  quality  of  care  that  also  enable  data  capture  for  more  real‐time  reporting  and  use  of  information  for 
management purposes. As in other areas, the trials have tended to be of single solutions, rather than integrating 
those with broader patient and provider information flows. 
 
Mobile  phones  have  also  been  used  as  vehicles  for  health  promotion  and  prevention  messages.  Many  studies 
described here have shown that text messaging is able to elicit healthier behaviors, such as smoking cessation and 
dietary  and  exercise  regimes,  that  can  prevent  the  development  of  costly  diseases.  Additionally,  many  projects 
were identified that either provided health information through platforms such as SMS or allowed mobile phone 
users  to  access  health  information,  such  as  family  planning  or  sexually  transmitted  diseases,  through  health 
hotlines.  Although  a  lot  of  evidence  suggested  that  the  mobile  phone  has  been  an  effective  tool  for  improving 
behaviors,  there  were  challenges  in  containing health  messages  within the 160‐character  limit of  text  messages. 
This  was  particularly  the  case  when  a  project’s  catchment  area  contained  more  than  one  spoken  language.  This 
highlights the need for more sophisticated, patient‐specific messaging systems. 
 
In relation to emergency medical response, there has been very little work in LMICs on the role of mobile phones 
in emergency medical response systems (EMRS). In high‐income countries, the focus of research tends to explore 
effects of mHealth applications on aging populations, introducing high‐tech medical devices, wearable devices, and 
wireless  network  sensors  with  integrated  alarm  systems  connected  to  emergency  departments.  In  LMICs, 
qualitative  studies  have  shown  that  mobile  phones  are  used  in  the  general  population  and  the  health  sector  to 
improve access to transportation and emergency coordination, although often in the absence of a formal EMRS.  

  13 
OVERVIEW OF STUDY FINDINGS ACROSS THEMATIC AREAS 
During  the  two‐month  intensive  literature  review  period  (November  and  December  2009),  2,449  unique  articles 
that  documented  and  evaluated  the  range  of  mHealth  applications  and  systems  were  found  through  literature 
searches using targeted key words and secondary sources. Of these, 172 articles and reports were analyzed for this 
white  paper,  including  a  few  that  were  published  in  early  2010  and  identified  during  the  virtual  review  process. 
These  articles  were  primarily in  the  fields  of  computer  science,  health  informatics,  and  public health.  They  were 
selected on the basis of the following criteria: peer‐reviewed publication or secondary source report, focus on LMIC 
setting or direct applicability to LMICs, and diversity of mHealth implementation and study design to illustrate the 
range of applications and research approaches.  The unanticipated volume of articles illustrates the growing body 
of programs and research in mHealth, and its staying power in the fields of computer science, health informatics, 
and  public  health.  It  serves  as  a  call  to  the  health  research  community  to  improve  documentation  and  peer‐
reviewed publication in this area. 

Each section below highlights the main findings in the literature for each of the core mHealth themes, including: 

 Treatment Compliance 
 Data Collection and Disease Surveillance 
 Health Information Systems and Support Tools for Health Workers  
 Health Promotion and Disease Prevention  
 Emergency Medical Response Systems  

This is followed by a discussion of the main research gaps and policy barriers highlighted within the ever‐growing 
evidence base for mHealth as well as some of the programming challenges faced by those implementing programs. 
 

  14 
TREATMENT COMPLIANCE 
Key points  

 Current  literature  on  treatment  compliance  is  focused  primarily  on  the  management  of  chronic  diseases 
(i.e.,  diabetes,  nutrition,  smoking  cessation,  breast  cancer)  in  high‐income  countries.  As  epidemiological 
shifts occur in LMICs, these studies and lessons will become more relevant.  

 Additional  studies  investigated  the  use  of  mobile  technology  for  drug  adherence  and  appointment 
reminders.  This  highlights  the  natural  overlap  between  treatment  compliance,  disease  management,  and 
prevention of primary and secondary illness. 

 SMS  is  the  main  technology  used  for  treatment  compliance,  with  an  increasing  focus  on  voice,  web 
browsers,  and  health  hotlines  that  mimic  traditional  customer  service  call  centers.  Studies  found  mixed 
results  regarding  effectiveness  and  impact  on  health  outcomes.  Further  studies  that  investigate  which 
medium is the most effective for specific conditions are required to enable more thorough understanding of 
the role of mobile technology for behavior change related to treatment compliance.  

 Some  randomized  control  trials  studying  treatment  compliance  were  found,  but  were  often  limited  by 
sample size to produce statistically significant studies. A strong focus on feasibility and usability was found 
with little connection to health outcomes.  

Treatment  compliance,  the  extent  to  which  a  patient  follows  a  prescribed  regimen,  is  a  natural  application  of 
mobile  technology  to  health.  In  relation  to  mHealth,  treatment  compliance  focuses  on  direct  communication 
between healthcare providers or facilities and patients. For LMICs, treatment compliance is focused on monitoring 
infectious disease drug adherence, including antibiotics for tuberculosis and antiretroviral therapy for HIV/AIDS. In 
high‐income settings, however, mobile technology is utilized for long‐term management of chronic diseases, such 
as type 2 diabetes and smoking cessation. As LMICs increasingly bear the burden of chronic disease in addition to 
infectious  disease,  the  body  of  knowledge  surrounding  mHealth  treatment  compliance  for  chronic  disease 
management will become more universally applicable. The literature shows the extension of treatment compliance 
beyond  these  initial  applications,  changing  from  a  primarily  one‐way  monitoring  system  to  a  two‐way  flow  of 
information. This is allowing patients to take ownership of their health, inevitably overlapping with the goals of the 
health information tools, prevention, and awareness fields. Adoption of this behavior in LMICs is being observed 
through  the  increased  accessibility  of  health  information  via  SMS  and  mobile  web  browsers,  and  the  growth  of 
“health hotline” services, which mimic traditional customer service call centers. 

 
  15 
Research Findings Related to the Use of Mobile Technologies for Treatment Compliance 
The analysis of study findings related to treatment compliance focused on 43 studies, honing in on those that were 
most relevant in the context of LMICs. Studies performed in higher income settings were included because of their 
potential for future applicability in LMICs. The area of treatment compliance is particularly rich and multifaceted, 
with applications ranging in focus from drug adherence to appointment reminders. 

In 2006, a review explored studies, primarily in high‐income countries, that looked at direct interventions in which 
mobile  and  fixed‐line  telephones  were  used  to  address  health  conditions  such  as  diabetes  (patient  blood  sugar 
level  monitoring),  breast  cancer  (telephone  counseling),  tuberculosis  (adherence  to  medication),  treatment 
compliance  for  a  variety  of  conditions,  attendance  at  health  facility  appointments,  depression  outcomes, 
immunization rates, asthma management, and smoking cessation (A1). The review specifically explored the use of 
mobile  phones  for  the  “express  purpose  of  supporting  or  altering  one  or  more  health  outcomes.”  Through  an 
intensive  web‐based  and  library  search,  the  author  documented  and  compiled  the  results  of  evaluations  of 
intervention studies of fixed‐line and mobile telephone applications to address specific health care issues in LMICs. 
The  limited  number  of  studies  that  were  identified  mainly  consisted  of  small  pilot  projects  that  offered  mixed 
results  in  terms  of  demonstrating  the  effectiveness  of  fixed‐line  and  mobile  phones  to  serve  as  a  support  for 
delivery of healthcare services. In 2010, a similar systematic review was conducted, which consisted of 12 studies 
investigating  the  use  of  SMS  for  disease  management  and  prevention.  Again,  all  studies  except  one  were  from 
high‐income  countries. Of  the  studies  reviewed,  most  sample  sizes  were  small,  ranging  from  16  to 126  subjects, 
and short‐term behavior change was found in eight studies, impacting subjects’ weight loss, smoking addictions, 
and  diabetes  management.  This  review  found  the  area  of  diabetes  to  be  the  most  advanced  in  its  use  of  text 
messaging  for  disease  management  and  prevention,  both  areas  that  significantly  overlap  with  treatment 
compliance (A2).  

Functional  and  structural  properties  of  mobile  phones,  namely  low  start‐up  cost,  text  messaging,  and  flexible 
payment  plans,  make  them  attractive  to  use  for  healthcare  intervention.  Utilized  in  tandem  with  standardized 
health‐related  software  applications,  mobile  phones  can  provide  the  real‐time  feedback  needed  to  monitor 
treatment  compliance.  Further,  back‐end  systems  connected  to  mobile  phones  have  the  capability  to  serve  as  a 
platform for enabling pre‐programmed portable automated services to increasingly decentralized health systems. 
This is seen most frequently in health prevention and awareness programs.  

Drug adherence 

The use of mobile technologies for drug adherence is relatively well documented. Completed scientifically sound 
studies show mixed results in improving treatment compliance. Other illustrative studies focus on feasibility and/or 
user  acceptance,  and/or  are  just  being  implemented.  For  instance,  SMS  reminders  were  shown  to  not  improve 
malaria  chemoprophylaxis  adherence  in  a  large  (n=424)  randomized  controlled  trial  in  Cote  d'Ivoire  of  French 
soldiers during deployment and after return home. Soldiers receiving the messages, however, were satisfied with 
them and did not find them annoying. The investigators recommend further research, because the study may have 

  16 
been confounded by the fact that the soldiers were in close proximity, so all were quite aware of the reminders 
(A3).  Other  studies  have  shown  serious  potential  for  mobile  technology  to  improve  drug  adherence,  or  have 
demonstrated the acceptability or feasibility of such interventions. 

In  the  context  of  feasibility  and  acceptability  of  mobile  interventions  for  drug  adherence,  mHealth  shows  great 
promise.  Curioso  and  Kurth,  in  a  paper that  explores  the  larger  ramifications  of  information and communication 
technologies  (ICTs)  for  management  of  HIV  in  Peru,  point  out  the  potential  use  of  such  technologies  for 
antiretroviral  drug  adherence.  After  acknowledging  the  potential  of  these  applications,  the  authors  performed  a 
qualitative  study  of  the  acceptability  of  ICT‐based  interventions  for  HIV  treatment.  Within  their  31‐person  study 
population,  general  attitudes  were  positive  regarding  the  use  of  ICTs  for  the  treatment  of  HIV,  including  for 
antiretroviral  adherence  (A4).  A  follow‐on  study  by  Curioso  et  al.  used  focus  groups,  which  found  that  26  HIV‐
positive Peruvian individuals expressed positive perceptions about receiving reminders to antiretroviral therapy via 
SMS,  but  specified  certain  characteristics,  such  as  being  simple  and  concise.  It  was  also  important  that  the 
messages  maintained  confidentiality and  privacy  by using  coded  words or  phrases  (“Remember,  it  is the  time of 
your  life”)  instead  of  “sensitive”  words  (HIV  or  antiretroviral).  The  study  suggested  that  patients  want  health‐
related SMSs that appropriately notify them, deliver a carefully crafted message, and are sensitive to the context in 
which they are received (A5). 

Also in Peru, Curioso et al. conducted focus groups with 19 adult diabetic patients and 6 caregivers from a national 
hospital in Lima. Most of the patients were interested in participating in a program that used cell phones and the 
Internet  to  support  their  diabetes  care.  Caregivers  mentioned  that  although  a  system  using  cell  phones  and  the 
Internet  seemed  novel,  they  were  skeptical  that  the  idea  could  support  patients  for  the  long  term.  Most  of  the 
patients reported a willingness to use cell phones to receive reminder messages for medication and appointments. 
The majority of patients expressed their interest in receiving messages about diabetes care, including information 
about  nutrition,  physical  activity,  complications  from  diabetes,  control  of  cholesterol  and  blood  pressure, 
emotional support, and oral health, among others (A6). Likewise, Sahm  et al. evaluated the acceptability of SMS 
reminders to improve medication adherence for patients. Of the study population prior to the imlementation of 
the intervention, 54% of 59 participants reported that they were unintentionally non‐adherent. Of these patients, 
60% reported that text message reminders were acceptable to them. The investigators stress that the rationale for 
refusing SMS reminders should be investigated further (A7). 

Puccio  et  al.,  in  a  different  vein,  explored  the  potential  of  phone  calls,  rather  than  text  messages,  as  a  way  to 
remind  young,  HIV‐infected  adults to  adhere  to highly  active  antiretroviral  therapy  (HAART)  in  a pilot  study.  The 
use of these reminder calls was found practical and acceptable to the pilot's participants. Like other investigators, 
however, the researchers conclude that larger prospective studies are necessary before large‐scale rollout (A8). 

Beyond feasibility and acceptability to patients, however, several studies have demonstrated an actual success of 
mobile  technology  as  an  intervention  for  drug  adherence.  Stranbygaard,  Thomsen,  and  Backer,  for  instance, 
examined the impact of receiving a daily cell phone reminder on compliance with asthma medication. Twenty‐six 

  17 
asthma patients were randomized to receive SMS reminders to take anti‐asthma medication. After three months, 
differences in mean adherence rate were 17% greater among those receiving reminders (A9). Encouraging results 
were also reported in another study that used GPS‐enabled PDAs to trace tuberculosis patients who interrupted 
treatment  (A10).  A  trained  worker  with  one  of  the  GPS‐enabled  devices  worked  twice  as  quickly  as  a  research 
assistant without. 

Additionally,  several  studies  were  ongoing  or  just  beginning  at  the  time  of  writing  this  white  paper.  While  the 
outcomes of these studies are not known, their rigorous study design demonstrates the felt need within mHealth 
to develop an evidence base for interventions. Lester et al. describe a protocol for evaluating effectiveness of the 
WelTelKenya  randomized  controlled  trial  for  SMS‐supported  HIV  management  in  a  population  receiving 
antiretroviral therapy in Nairobi, Kenya. This paper does not describe results so much as a study design, as the trial 
had not  yet  taken  place  at  time  of publishing,  but  appears promising  as  one  of  the  more  rigorous  study  designs 
proposed (A11). In addition, Curioso et al. are currently evaluating Cell‐POS (http://www.cellpos.org), a computer‐
based intervention using cell phones to enhance adherence to antiretroviral treatment (ART) and support of HIV 
transmission  risk‐reduction  among  adult  HIV‐  positive  patients  in  Peru.  Curioso  is  currently  conducting  a 
randomized controlled trial of a 12‐month intervention, comparing [1] standard‐of‐care with [2] standard‐of‐care 
plus  cell  phone‐based  system  among  patients  receiving  ART  at  Via  Libre,  a  nongovernmental  organization 
established  to  support  people  with  HIV  (A12).  Similarly,  Cell‐Life  in  South  Africa  is  about  to  begin  a  randomized 
control trial of its HIV treatment compliance initiatives (A13).  

Chronic disease management 

There are a variety of mHealth applications within the management of chronic diseases. While generally seen as a 
problem faced by high‐income countries, epidemiologic transitions are accelerating in such a way that LMICs are 
now beginning to bear a burden of chronic diseases along with the burden of endemic infectious diseases. In light 
of this, many studies are included in this section that were conducted in high‐income settings, but may be relevant 
in  LMICs.  mHealth  appears  to  be  well  suited  to  address  chronic  disease  management  because  of  its  ability  to 
submit  and  process  data,  automate  messaging,  and  provide  consultations  as  needed  in  a  discreet,  timely,  and 
personalized manner. 

Mobile technology can play an empowering role for both type 1 and type 2 diabetes mellitus patients, traditionally 
one  of  the  least  well‐managed  groups  of  patients.  While  not  a  study  in  and  of  itself,  one  analysis  suggests  the 
multitude of ways in which wireless technology, particularly mobile phones, can enhance patient self‐management 
of a disease that can seriously detract from quality of life. Additionally, the  authors point out that a cost‐benefit 
analysis suggests time and resource savings for patients and healthcare providers (A14). Diabetes management via 
mHealth can focus on blood glucose management as well as facilitate dietary management for diabetic patients.  

Literature is accumulating in the area of blood glucose management. Researchers conducted a randomized trial in 
Korea (n=69) centered around a device informally known as the “Diabetes Phone,” which was launched in 2003, 

  18 
with  a  glucometer  integrated  into  its  battery  pack,  facilitating  mobile  blood  glucose  monitoring  as  well  as 
transmission  of  patient  data.  Participants  were  assigned  to  an  Internet  glucose  management  group  or  a  phone 
glucose management group. After three months, HbA(1c) levels of both groups had decreased, from 7.6 to 6.9% for 
the Internet intervention group and from 8.3 to 7.1% in the phone intervention group (A15). The challenge with the 
Diabetes Phone was the requirement to purchase the hardware to access the solution, in addition to treading the 
increasingly  fine  line  between  mobile  phone  and  medical  device.  In  a  market  with  infinite  choices  of  mobile 
phones, this inflexibility is a challenging proposition for consumers—forcing many to carry multiple devices.  

Gammon  et  al.  employed  mobile  technology  to  transmit  data  from  a  diabetic  child's  glucometer  to  a  parent's 
phone via text message. Over a study period of four months, 15 children with type 1 diabetes used the developed 
prototype  three  times  per  day.  The  investigators  found  that  the  system  appealed  to  both  parents  and  children 
(A16).  Insulin‐treated  adolescents  and  young  adults  were  randomized  to  receive  electronic  reminders  to  check 
blood  glucose  levels  via  CARDS  (Computerized  Automated  Reminder  Diabetes  System)  in  a  study  performed  by 
Hanauer  et  al.  (A17).  Some  received  email  reminders,  while  others  received  SMS  reminders.  Young  people  who 
received SMS reminders were more likely to transmit blood glucose test results after reminders than those who 
received email reminders. Kim, Kim, and Ahn also looked at ICTs in the context of diabetes management. Patients 
with  diabetes  were  asked  to  report  blood  glucose  levels  every  day  via  the  Internet  or  SMS.  Recommendations 
based  on  this  data  were  sent  back  to  patients  weekly.  At  the  end  of  the  12‐week  study  period,  patients  had 
experienced a 1.1% decrease in HbA(1c) levels and an increase in compliance with anti‐diabetic medications (A18). 
The WellDoc randomized controlled trial aimed to assess the impact of a cell phone‐based diabetes management 
system  on  HbA(1c)  levels  of  30  patients  with  type  2  diabetes  in  Baltimore,  Maryland  (A19).  Patient  data  was 
captured and transmitted via mobile phones as well as a web‐based application. Patients using the system had an 
average HbA(1c) decrease of 2.03%, compared to a decrease of 0.68% among controls. 

For  more  holistic  disease  management,  including  dietary  advice,  there  is  also  a  growing  evidence  base.  Arsand, 
Tufano,  Ralston,  and  Hjortdahl  designed  both  web‐  and  mobile  phone‐based  systems  to  facilitate  dietary 
management  for  diabetic  patients.  Implementing  the  systems  with  a  very  small  study  population  (n=6),  the 
researchers conducted qualitative usability tests, finding that study participants highly valued many of the aspects 
of  the  systems  implemented  (A20).  The  text  messaging  support  system  “Sweet  Talk”  was  evaluated  by  Franklin, 
Greene,  Waller,  Greene,  and  Pagliari  for  its  effectiveness  in  encouraging  good  diabetes  management  in  young 
people. Sixty‐four young diabetes patients participated in a randomized controlled trial. The system was found to 
effectively engage young people in self‐management of diabetes (A21). Stressing the necessity of type 1 diabetes 
patients to be active participants in their disease management, Kollmann et al. (A22) conducted a pilot to test the 
feasibility of using a mobile phone‐based data service to monitor diabetes‐related data. In the small study (n=10), 
significant  improvements  were  reported  in  metabolic  control  (A22).  Focusing  on  the  multi‐morbidity  present  in 
many diabetic patients, Mohan, Marin, Sultan, and Deen describe MediNet, a system that seeks to personalize self‐
management of patients with diabetes (and also cardiovascular disease) through mobile telephony. This paper was 
not  a  research  endeavor  so  much  as  a  description  of  a developed  system  (A23).  In  another  ongoing  randomized 

  19 
controlled  trial,  the  effect  of  availability  of  minutes  and  different  types  of  phone  models  is  being  assessed  with 
regards to a mobile phone‐based diabetes management system (A24).  

In a feasibility study for management of asthma and asthma symptoms, Holtz and Whitten used a very small study 
sample  (n=4)  in  the  United  States  to  encourage  tracking  of  patient  peak  flow  readings  by  a  mobile  phone 
application. If patients did not transmit data, they received a text message reminder. The investigators claim that 
the  resulting  data  demonstrated  the  feasibility of  such  a  system,  and  show  results  indicating  that  patients  were 
satisfied in recording and reporting data in this manner (A25). Ostojic et al. further explored SMS for the purpose of 
monitoring peak flow measurements for asthma patients. In a randomized controlled trial on 16 asthma patients, 
the investigators provided self‐management plans for all participants and then randomized them to intervention 
and control groups with text message monitoring of peak flow readings. The researchers observed no significant 
difference  in  compliance,  but  note  that  a  study  size  of  at  least  40  is  needed  to  achieve  80%  power  with  a  95% 
confidence  interval  to  be  quantitatively    rigorous  (A26).  Pinnock,  Slack,  Pagliari,  Price,  and  Sheikh  conducted  a 
qualitative  study  with  48  key  stakeholders  in  asthma  care  (patients,  nurses,  and  doctors)  and  concluded  that 
mobile  phone  monitoring  systems  have  great  potential  for  guiding  self‐management  of  asthma  and  facilitating 
patient monitoring (A27). Ryan et al. conducted an observational study assessing acceptability and other attitudes 
of asthma patients to using a mobile phone‐based asthma management system. Of 46 participants who used the 
system, 69% were 'satisfied' or 'very satisfied' with the system, and 74% indicated that the system facilitated better 
management of asthma symptoms (A28). 

While the  body of  literature  is not  as  large for the topic  as  for other  chronic diseases,  mHealth appears  to  offer 
promise for monitoring of dermatologic conditions. Hayn et al. describe a system currently in pilot with 20 psoriasis 
patients  that  intends  to increase  patient‐physician  communication  for  psoriasis  management.  Physicians  provide 
feedback to patients if photos of lesions are submitted. The investigators report that preliminary results of the pilot 
demonstrate feasibility and usability of such systems (A29). 

Appointment attendance 

mHealth applications for appointment reminders abound. Results are mixed, however. Several studies selected for 
analysis  found  that  SMS  reminders  improved  appointment  attendance  in  a  variety  of  settings,  such  as  in  China 
(A30),  Brazil  (A31),  and  the  United  Kingdom  (A32,  A33,  A34).  Other  investigations  found  inconclusive  or 
discouraging  results.  Fairhurst  and  Sheikh  (A35)  conducted  a  randomized  controlled  trial  in  Scotland  to  evaluate 
the impact of text message reminders on improving non‐attendance rates in primary care, failing to demonstrate 
significant reduction in non‐attendance rates for repeat non‐attendees (A35). 

Expanding  on  the  idea  of  SMS  reminders,  Mao,  Zhang,  and  Zai  demonstrate  a  mobile  phone  pharmacy  service 
system to remind clients of prescription information (after discharge from a medical facility and ongoing) as well as 
providing  practical  information  about  medicines  such  as  methods  of  administration  or  indications  of  adverse 
reaction. Qualitative surveys demonstrated patient satisfaction with this system and overall positive attitudes for 

  20 
pharmaceutical care via mobile phones (A36). Many major pharmacy retail chains in high‐income countries have 
implemented similar programs, using opt‐in SMS programs to remind patients about medication pick‐ups, refills, 
and dosage information.  

Prevention and healthy behavior promotion 

Beyond  management  of  existing  disease,  applications  of  mHealth  are  being  extended  to  preventive  and  healthy 
behavior  promotion.  Whether  it  is  daily  vitamin  C  supplement  adherence  (A37)  or  daily  sunscreen  application 
(A38), SMS reminders have shown to improve adherence to preventive activities in randomized controlled trials, 
and were found to be acceptable. While more broad‐based outreach programs and research will be presented in 
the section on prevention and health promotion, we include in this section prevention and well‐being services that 
include a targeted compliance approach to a particular health behavior.  

Managing weight and other healthy behaviors are critical in preventing chronic disease, yet many do not engage in 
healthy  behavior  despite  widespread  knowledge  of  its  benefits.  mHealth  has  been  found  feasible  or  used 
successfully for managing weight both in the United States among African American women (A39) and in Korea for 
a  community‐based  weight  control  program  (A40).  Morak  et  al.  conducted  a  pilot  study  to  test  feasibility  of  an 
Internet‐based therapy program (with mobile access) to support treatment programs for obese patients. Out of the 
relatively small sample (n=25), there were significant mean reductions  in abdomen girth, body weight, and body 
mass index after the 70‐day study period. Participants expressed positive attitudes toward the system (A41). Free 
et al. report the results of an ongoing randomized controlled trial that utilizes SMS reminders for smoking cessation 
support.  Thus far,  results  have  been  encouraging,  and  may  represent  a previously untapped  method  of  smoking 
cessation support (A42). 

The  growth  of  health  hotlines  in  LMICs  offers  a  new  method  to  access  medical  professionals  for  advice  on 
treatment  compliance.  A  study  conducted  by  Ivatury,  Moore,  and  Bloch  investigated  four  health  hotlines  in 
Bangladesh, Pakistan, India, and Mexico. Collectively, the hotlines have provided health information and medical 
care  to  over  10  million  individuals,  most  of  whom  were  women  and  from  rural  areas.  The  health  hotline  model 
helps  overcome  common  barriers  in  LMICs  such  as  limited  available  health  professionals,  reliance  on  untrained 
and/or informal providers, cost of service and transportation, and lack of correct information. In this way, a health 
hotline  serves  as  a  reliable  and  supportive  source  of  help  for  chronically  ill  patients,  increasing  the  likelihood  of 
treatment compliance (A43).  

Barriers to and Gaps in the Use of Mobile Technologies for Treatment Compliance 
Many  studies focusing  on  the  use  of  mobile technologies for treatment compliance  had  very  small  sample  sizes, 
and in these cases, the size was scarcely enough to show statistically significant differentials. Weak study design 
may also contribute to a paucity of quality data. The literature has many quasi‐experimental designs, but very few 
randomized  controlled  trials.  Many  trials  and  case  studies  from  high‐income  settings  were  highlighted  in  this 
  21 
section, under the assumption that many treatment compliance issues in more high‐income countries will be faced 
soon  by  LMICs.  Yet  many  of  the  mobile  solutions  here  worked  in  tandem  with  Internet  management  systems; 
infrastructure that does not exist in many poor countries, especially in sub‐Saharan Africa. The infrastructure gap in 
LMICs  is  two‐fold,  as  there  are  many  parts  of  the  world  that  do  not  have  universal  or  reliable  basic 
telecommunications  coverage  and  the  networks  being  deployed  in  LMICs  often  do  not  provide  GPRS  or  other 
mobile broadband services.  

While there were some applications of smart phones or other advanced phone functionality within the context of 
treatment compliance, on the whole, the evidence indicates that SMS is the most effective way of utilizing mobiles 
for  disease  management,  drug  adherence,  and  appointment  reminders.  Even  though  examples  cited  here  were 
from  high‐income  settings,  SMS  can  be  easily  translated  to  LMICs.  It  has  been  found  to  be  efficient  and  cost‐
effective, and the infrastructure for SMS is available throughout most of the world. However, to truly understand 
the  health  impact  of  SMS,  longer‐term  studies  that  isolate  the  technology  will  have  to  be  conducted  more 
rigorously.  Cole‐Lewis  and  Kershaw  caution  that  SMS  should not  be  viewed  as  a  stand‐alone  model for  behavior 
change, but rather as a tool by which behavior change methods can be administered (A2). The overlap between 
treatment  compliance  and  disease  prevention  and  control  is  obvious,  and  alludes  to  the  need  to  move  toward 
comprehensive  mHealth  solutions  instead  of  silos.  The  next  challenge  for  many  treatment  compliance  mHealth 
applications will be to translate the relative success of such interventions from high‐income settings to LMICs, and 
from small study samples to larger groups with a particular disease or condition.  

  22 
DATA COLLECTION AND DISEASE SURVEILLANCE  
Key Points  

 Majority  of  the  literature  studying  data  collection  focuses  on  comparing  data  quality,  accuracy,  time, 
training  required,  and  cost  between  traditional  paper  and  pen  methods  and  mobile  technology.  Results 
were  found  to  be  inconclusive  with  effectiveness  varying  depending  on  the  type  and  complexity  of  data 
being collected.  

 Many data collection software programs have been developed using an open source platform, resulting in 
widespread adoption among small pilot projects (i.e., EpiSurveyor, PDACT, RapidSMS), many of which have 
not been documented or evaluated.  

 Studies were found to primarily use PDAs, an older model of mobile phones and not as applicable in the 
current  marketplace.  Further  studies  are  required  to  investigate  data  collection  using  low‐end  mobile 
phones found in LMICs and smart phones found in high‐income countries and increasingly in LMICs. 

 Data  collection  using  mobile  technology  was  found  to  be  implemented  using  SMS,  voice,  and  electronic 
forms.  Increasingly,  as mobile technology  advances,  GPS  information  is  being used  to  tag data to  specific 
locations.  Further  studies  are  required  that  investigate  the  effectiveness  of  different  data  collection 
methods using mobile phones.  

 The primary gap in data collection is the focus on implementation as an independent system in comparison 
to partnering in the development of initiatives such as electronic health records that can act as a repository 
from  which  data  can  be  extracted.  Additionally,  further  integration  between  local,  regional,  and  national 
data collection and access is required so that data being collected is benefiting the communities from which 
the data is taken.  

 Barriers related to security, confidentiality, and ownership of data is central to this mHealth thematic area.  

The ability to collect disease and syndromic data in real time can have a dramatic effect on reducing mortality and 
morbidity. The evaluation and analysis of data can and should directly impact the speed at which health prevention 
and  treatment  reaches  communities  in  LMICs.  Traditionally,  this  data  was  difficult  to  obtain,  taking  three  to  six 
months or more using traditional, paper‐based methods. However, with the advent of applications that allow for 
survey and electronic form development on PDAs, mobile phones, and handheld computers, data can be collected 
and processed in a fraction of the time.  

  23 
Research  Findings  Related  to  the  Use  of  Mobile  Technologies  in  Data  Collection  and  Disease 
Surveillance  
The literature on data collection and disease surveillance has a strong focus on investigating the effectiveness of 
mobile  technology  in  comparison  to  traditional  methods.  Few  studies  have  demonstrated  the  impact  of  the 
mHealth data collection on health outcomes and system strengthening. Our analysis of 34 studies demonstrated 
that findings primarily report lower or reduced error rates and time saved in the data collection process. Further, 
most studies adopted the use of PDAs to conduct trials. However, in LMICs today, low‐end mobile phones are more 
prevalent, particularly in rural areas, and in high‐income countries more and more people use either Java‐enabled 
or other smart phones. As a result, updated studies are needed to investigate if the change in technology affects 
data collection and surveillance outcomes.  

Mobile Technology versus Traditional Methods of Data Collection  

The  bulk  of  literature  on  the  use  of  mobile  technologies  compares  the  effectiveness  of  using  a  PDA,  handheld 
computer,  or  mobile  phone  with  traditional  paper  and  pen  methods  (P&P).  Benefits  found  include  improved 
accuracy  (B1,  B2,  B3,  B4);  reduction  in  time  (B5,  B2,  B6,  B1,  B7,  B8),  human  resources  (B1),  and  cost  (B2,  B9); 
improved data quality (B1, B4); potential for real time authentication and receipt of data; less interviewer bias; and 
the  ability  to  test  and  modify  questions  easily  (B10).  Training  has  been  seen  as  integral  to  executing  programs 
effectively, with training time ranging from five hours to five days (B11, B2, B6, B12). In addition, some studies have 
adopted the use of open source software, which contributes to cost effectiveness in addition to having the option 
of manipulating the platform to fit within the study setting (B1, B11). 

The following studies provide evidence for these benefits, but also show the variability in accuracy and error rates 
throughout the literature. This is perhaps linked to the type and complexity of data being collected. Forster et al. 
studied the use of PDA data collection for malaria morbidity as early as 1991, finding error rates between 0.1 and 
0.6%  and  improved  accuracy  and  efficiency  over  paper  forms  (B3).  Mobile  phone‐based  surveys  were  just  as 
accurate as paper‐based surveys, but provided the added benefit of time and cost savings and could be adapted 
easily for a broad range of research needs.  

Since  then,  an  abundance  of  studies  have  investigated  similar  situations.  Bernabe‐Ortiz  et  al.  found  a  14%  error 
rate  reduction  between  PDA  and  paper  formats  in  self‐administered  surveys  on  sexual  behavior  in  Lima,  Peru. 
Overall, higher error rates were found among subjects who did not finish secondary school in comparison to those 
who did, despite receiving two to three minutes of training prior (B11). Similarly, a study in Fiji showed that none of 
the errors found in 20.8% of the paper questionnaires were found in the PDA data set. In addition, 62% perceived 
the  method  to  be  faster,  and  there  was  a  93.26%  reduction  in  the  time  required  for  data  entry,  validation,  and 
cleaning (B9). 

The  study  by  Galliher  et  al.  at  the  American  Academy  of  Family  Physicians  National  Research  Network  found 
significantly lower errors of omission and missing data items when comparing the use of handheld computers in 
  24 
data collection versus traditional paper and pen methods. Their results showed 3 versus 35% errors of omission in 
handheld computer compared to paper‐and‐pen, and 0.04 versus 3.5% missing data items for handheld computer 
compared  to  paper‐and‐pen  (B4).  Heiberg  et  al.  found  both  methods  to  perform  similarly,  but  82.9%  preferred 
using a PDA (B13). Tegang et al. in a study in Western Kenya found reduced time preparing data for analysis, from 
six weeks to seven days (B10). Buck, Rochon, and Turley (B6), Escandon et al. (B7), and Safaei et al. (B8) anecdotally 
reported faster data collection with PDAs and mobile phones in addition to positive feedback from interviewers. A 
preliminary  study  and  randomized  control  trial  collecting  tuberculosis  bacteriology  data  in  Peru  for  Partners  in 
Health  found  a  decrease  in  errors  of  57.1%,  in  addition  to  work  hours  reduced  by  70%  (B2).  These  results  are 
relatively high in comparison to other studies, and may be linked to the nature of laboratory data.  

A  tool  called  the  Personal  Data  Collection  Toolset  (PDACT)  for  the  PalmTM  Pilot  is  described  by  Seebregts  et  al. 
(B14), and has been used in  seven studies with over 90,000 interviews. Five of the studies were in rural settings 
with  poor  communication  infrastructure.  The  number  of  questions  ranged  from  20  to  580,  and  questionnaires 
were available in up to 11 languages. This capability is an important consideration in some LMICs that have several 
languages and dialects. The authors’ findings were primarily anecdotal and reported a reduction in data validation 
and cleaning time, fewer errors, a preference among interviewers and respondents compared to paper and pen, 
and faster processing time. Although the hardware increased the cost of the first study, it was thought to reduce 
overall costs through ongoing use for other studies in comparison to the cumulative cost of paper‐based studies. 

Other programs that have used PDAs and mobile phones for data collection in LMICs are Datadyne’s EpiSurveyor, 
which has been widely deployed across Africa (B15) and is argued to be more effective than the paper form, and 
EpiHandy, which provides tools for developing electronic forms on PDAs and is being used to collect health data in 
South Africa and Uganda (B16). Neither has conducted a rigorous analysis of accuracy outcomes to our knowledge. 
Although  the  literature  has  been  consistent  in  describing  the  benefits  of  PDA  data  collection,  Dale  and  Hagen’s 
systematic  review  of  randomized  and  quasi‐randomized  control  trials  that  compared  the  methods  in  clinical 
research outcomes found inconsistencies in methodologies and noted that more stringent measures were needed 
in  the  design  of  studies.  The  authors  were  also  concerned  about  a  publication  bias,  as  all  the  studies  evaluated 
were in favor of the PDA method (B17). 

All the studies have been limited to mHealth software that is solely intended for disease‐specific data collection, 
i.e., a direct replacement for the paper survey method. This entirely misses much broader potential benefits when 
the new technologies are used to approach health service delivery in a different way than simply digitizing current 
business processes. As yet there have been no studies in LMICs of the costs and benefits of an integrated system 
where disease surveillance and reporting is one of many uses or a byproduct of an electronic medical record‐based 
point‐of‐care support system, ideally also linked to laboratory and supply chain systems. This type of integration 
would  eliminate  the duplication  of  effort  in  data  entry  purely  for  reporting  and then entering  the  same  kinds of 
data into patient care records (paper or electronic). This has the potential to promote additional efficiencies as well 
as  overall  improved  outcomes  through  early  detection  and  control  of  epidemics  beyond  merely  replicating  the 
current paper process. Several platforms well positioned to serve in this manner for real‐time surveillance are now 
  25 
being implemented and evaluated in the field, including the Millennium Villages Project ChildCount+ system and D‐
tree’s  eIMCI  and  CommCare  systems.  One  of  the  perceived  advantages of  such  approaches  is  that  they  give  the 
initial recorders of the information a stake in its accuracy, as they and their colleagues will be using the information 
for patient care. This motivation does not exist for one‐way data collection systems.  

Alternative Methods of Data Collection using Mobile Technology  

The  effectiveness  of  other  data  collection  methods  that  leverage  functions  of  the  mobile  phone,  such  as  voice, 
camera,  and  SMS,  has  also  been  studied.  For  example,  Voxiva’s  Cell‐PREVEN  product  uses  interactive  voice 
response and voice recording to monitor adverse events among female sex workers (FSW) in Peru. During a three‐
month  pilot  test,  797  reports  were  collected—30  severe  enough  to  trigger  an  SMS  alert  to  a  team  leader.  All 
interviewers said they were satisfied or very satisfied with the system. The main reported advantage of using cell 
phones was adequate organization of the data collected. FSWs were asked about their satisfaction with cell phone 
data collection after having reported an adverse event; following 710 out of the 797 (89.1%) adverse event reports, 
FSWs reported being very satisfied (B18). 

To  compare  the  effectiveness  of  different  data  collection  methods,  a  study  investigated  error  rates  using  voice, 
SMS,  and  electronic  form  methods  on  low‐end  mobile  phones  in  Gujarat,  India.  Surprisingly,  it  found  the  voice 
method  to  have the  lowest  error  rate, followed by electronic  forms  and  SMS.  The  results  caused  the  authors to 
reevaluate their data collection study design and move from electronic forms to voice. The researchers concluded 
that voice should be further explored as a high‐accuracy, low‐cost means for data collection (B19). Modern voice to 
text technology and the limited and structured taxonomies of public health should make this an efficient and low‐
cost option apart from the minutes of use on commercial wireless systems that would be required.  

Trapl et al. conducted a study using an audio‐based PDA for self‐administered surveys in a middle school in Ohio, 
United  States.  This  method  was  used  to  circumvent  reading,  comprehension,  behavioral,  and  language  barriers 
often faced with paper and pen and traditional PDA methods. Six hundred and forty‐five children with a mean age 
of 12.6 years participated in the study and reported 94% satisfaction rates with the audio PDA survey, especially 
appreciating  that  questions  were  read  out  loud  to  them  (B20).  In  LMICs,  this  method  could  overcome  literacy 
challenges faced in many rural areas, in addition to overcoming interview bias by allowing for self‐administration of 
surveys.  

As a supplemental disease surveillance method, a study investigated if a correlation existed between respiratory 
illness data from TeleHealth Ontario, a health hotline, and diagnosis discharge data from emergency departments 
in Ontario, Canada. Using time series models, diagnosis discharge data from 819,832 patients were compared to 
diagnosis data from 216,105 calls to TeleHealth Ontario, and found a positive correlation between the peaks and 
valleys of respiratory illness diagnoses in the region. The authors asserted that using multiple sources for disease 
data can significantly improve the detection accuracy of syndromic surveillance (B12).  

For  cases  where  paper  forms  are  integrated  into  an  organization’s  workflow,  the  CAM  (or  camera‐based) 
  26 
framework presents a method that integrates both the use of  paper for organization and phones for data entry. 
Each field on the paper form is annotated with a barcode, which is recognized by a camera on the phone prior to 
data entry. Users in rural India that lacked prior camera or computer experience were trained to a level of comfort 
within 5 to 15 minutes (B21). A separate study measures error rates of 1% or below using the CAM system (B22).  

Krishnamurthy  et  al.  leveraged  the  GPS  capability  of  a  mobile  phone  in  rural  Mozambique  to  overcome  the 
challenge  of  having  no  detailed  maps,  location  of  houses,  and  valid  addresses  while  collecting  data.  This  study 
successfully mapped the location of 4,855 houses dispersed in 32 villages in eight districts of Manica and Sofala in 
10  days  by  18  field  interviewers,  to  more  effectively  conduct  surveys  and  follow‐ups.  Results  were  analyzed, 
aggregated and presented in less than one day, and found that the GPS location enabled collection of a statistically 
accurate random sample with geospatial data (B23). 

A tool called RapidSMS was used to study surveillance of child nutrition in Malawi, submitting data to the central 
server  using  the  SMS  platform.  In  January  to  June  2009,  its  pilot  project  produced  improved  data  quality  and 
reporting  rates  and  reduced  human  resource  requirements.  A  qualitative  study  was  conducted  with  Health 
Surveillance Assistants (HSAs) after the data collection period. It found that HSAs experienced technical challenges 
with  the  system,  including  sending  multiple  SMS  messages  with  the  same  data,  a  challenge  resulting  from  poor 
mobile phone reception and inconsistent servers powering RapidSMS. The cost of sending text messages was also 
noted as a concern (B24). This illustrates the need to continue testing and costing systems to improve interventions 
prior to integrating them into broader eHealth systems and architectures.  

 
Disease Surveillance  
 
While the use of PDAs and mobile phones can have dramatic effects on monitoring disease prevalence and onset, 
few  studies  have  shown  its  effectiveness  in  informing  action  and  impacting  health  outcomes.  This  demonstrates 
that  disease  surveillance  using  mobile phones  is still  in  its  infancy, with  little  integration  into  local,  regional,  and 
national health systems.  

Studies have used mobile phones for different types of disease surveillance, for example: gathering infant mortality 
data from 21,000 households in rural southern Tanzania (B25); assessing acute respiratory illness at a health center 
in Kenya (B26); monitoring maternal and child health as part of the Ca:sh project in India (B27); and collection of 
child nutrition data in Malawi with the RapidSMS tool (B24). Further, Cell‐Life employs electronic forms on mobile 
phones to improve tuberculosis and HIV treatment in South Africa (B28, B29); Jiva TeleDoc uses them for improving 
rural healthcare in India (B30); and Pesinet uses them for monitoring infant health in Mali (B31).  

SATELLIFE has customized data collection tools for diverse purposes. In its implementation of the Uganda Health 
Information Network (UHIN), SATELLIFE is working with the Ministry of Health and Marie Stopes International to 
send and receive Health Management Information Systems (HMIS) data and obtain medical information. However, 
health outcomes and effectiveness have yet to be reported (B32).  
  27 
 

Barriers to and Gaps in the Use of Mobile Technologies in Data Collection and Disease Surveillance  
PDAs  and  mobile  phones  have  been  shown  to  reduce  error  rates  and  reduce  reporting  costs  throughout  the 
literature.  Few  studies,  however,  document  the  total  time  taken  from  program  development  (i.e.,  software  and 
survey on PDA) to processing and analysis of data in comparison to paper methods. During program development, 
many  studies  noted  the  critical  need  to  improve  the  lines  of  communication  between  health  professionals, 
research  assistants,  and  software  developers  to  conduct  an  iterative  development  process  (B33).  Like  other 
studies, the focus was on the users, but not on those responding to the survey questions.  

A major barrier to the use of mobile technologies for data collection and disease surveillance is the implementation 
of  multiple  health‐related  data  collection  systems,  flows,  and  platforms  within  the  health  system  that  track 
information directly within health service delivery that can also be used for disease surveillance, but currently is 
not standard practice. Much of this stems from a lack of coherence within health information systems and the lack 
of  a  policy  to  guide  the  data  that  is  collected  at  the  community  level,  within  public  and  private  health  facilities, 
within  national  and  district  health  reporting  information  systems,  and  within  systems  that  are  specifically 
designated  for  surveillance.  In  addition,  donor  data  collection  requirements  for  monitoring  and  evaluation  of 
health initiatives compound the numbers of disparate sources of health‐related information.  

In  a  resource‐constrained  environment,  one  way  of  overcoming  such  systems  challenges  is  to  move  toward  a 
system  with  defined  data  standards  for  mobile  and  computer‐based  platforms  that  are  interoperable  and  open. 
This shift will allow real‐time data collection at the community level and reporting within health delivery facilities 
(including electronic medical recorders) to be linked directly to district health information systems for aggregation 
and access at the regional and national levels. Accessing this data, at all levels, should be made available through 
mobile phone and web‐based viewing and reporting systems with password and access controls assigned according 
to the position of the individual within the health system. The speed of reaction and cost savings possibilities would 
be  substantially  greater  than  even  those  exhibited  by  studies  examining  paper  versus  electronic  data  collection 
systems.  While  the  approach  raises  a  new  set  of  policy  barriers  and  issues  (e.g.,  access  control,  identity 
management), it would provide a mechanism through which healthcare and public health could be technologically 
linked and the linkages between the two more easily monitored.  

With respect to mobile data collection platforms, a number of technical challenges were reported that may hinder 
national  scaling  up—especially  in  environments  with  patchy  connectivity  in  rural  areas.  This  includes  the  loss  of 
data  as  a  result  of  PDA  malfunction,  hardware  loss,  and  challenges  syncing  data  with  a  personal  computer  or 
sending over a wireless network to a central server (B11). One study lost all the data on the PDAs when they were 
turned  off  (B7).  Further,  the  challenges  of  battery  life  and  memory  shortages  were  found  to  reduce  efficiency. 
While upfront costs of PDAs and mobile phones were shown to be high in some cases, many studies acknowledged 
that  this  would  be  amortized  over  time  (B14).  Many  of  the  technical  challenges  have  been  overcome  through 
better hardware and software design. Indeed, since most of the studies were done, PDAs have been replaced by 

  28 
smart  phones,  and  the  prices  of  mobile  phones  are  declining  rapidly.  At  the  same  time,  wireless  networks  have 
been vastly extended, so the areas lacking coverage have been substantially reduced. It is clear, however, that any 
data‐gathering  device  must  have  store  and  forward  capabilities.  Asynchronous  communications,  or  store  and 
forward and off‐line means that enable sending information through less reliable networks when connections are 
stronger,  must  be  assumed.  This  is  becoming  increasingly  feasible  through  enhanced  functionality  of  platforms 
migrated from PDAs to smart phones that rely on GPRS and 3G networks. In this regard there is a need for national 
mobile  coverage  maps  as  essential  planning  tools  for  those  interested  in  district,  regional,  and  national  level 
implementation. Few studies explored the use of alternative mobile functions such as voice, SMS, and camera for 
data  collection,  and  the  literature  would  benefit  from  being  able  to  compare  the  strengths  and  weaknesses  of 
these methods in collecting different types of data. In one study that used SMS to send survey data to a central 
server, the cost of each SMS was seen as prohibitive (B24).  

The need for security and privacy of data was noted in many studies, and measures such as encryption of data and 
hardware passwords were used to overcome this barrier. However, given the scope of data collection using mobile 
phones,  guidelines  outlining  confidentiality  protocols  need  to  be  developed  and  the  adoption  of  encryption 
systems used in mBanking should be considered for mHealth.  

A  significant  gap  in  the  literature  is  the  lack  of  studies  measuring  health  outcomes  and  prevention  programs 
implemented as a result of the data collected using mobile technology. While a clear understanding of improved 
accuracy, quality, and time efficiency has been shown, the evidence of its effectiveness remains inconclusive. This 
next  step  requires  significant  integration  between  health  professionals,  surveillance  assistants  in  the  field,  and 
government  bodies to  ensure  a  steady flow  of data  and  analysis,  in  order  to  make decisions  based  on evidence. 
While we acknowledge this step is far more challenging than feasibility and pilot studies, it is the natural next step 
to advance this field.  

Data serve a powerful role in facilitating health behavior change, yet the field of mHealth has yet to embrace the 
behavior theory to underpin its projects. We know that mHealth for data collection ‘works,’ in the sense that data 
can be successfully collected, but only by understanding the behavioral and psychosocial processes that underlie 
the health behavior change aspects of a program will we have a complete grasp of the system (B34). Theories of 
social and behavioral change such as Bandura’s social cognitive theory and the transtheoretical model may be well‐
suited  to  address  this  gap  in  mHealth  implementation.  Fostering  this  understanding  of  behavior  change  will 
strengthen the ability to expand and scale mHealth applications (B34). 

  29 
HEALTH INFORMATION SYSTEMS AND POINT‐OF‐CARE SUPPORT TOOLS FOR HEALTH WORKERS  
Key Points  

 Few studies investigating health information systems and point‐of‐care support tools for health workers in 
LMICs were found, indicating a need for further research in this mHealth thematic area.  

 Mobile  technologies  in  LMICs  have  been  found  to  increase  communication  between  health  professionals 
and community health workers for advice and consultations, resulting in a collaborative support system and 
better patient care.  

 Electronic  Medical  Records  are  a  key  aspect  of  health  information  systems;  however,  no  literature  was 
found  that  supported  the  use  and  development  of  Electronic  Medical  Records  on  mobile  phones.  This 
foundation  is  a  key  cornerstone  to  mHealth  development,  which  has  the  potential  to  inform  health 
professionals  not  only  as  a  point‐of‐care  support  tool  but  also  as  a  method  for  collecting  data  and 
developing treatment compliance and disease management programs.  

 The primary barrier found to implementing health information systems and point‐of‐care support tools is 
clinician  resistance.  Mobile  phones  may  enable  access  to  information  easier,  but  not  necessarily  faster, 
depending on the level of integration of systems, which stands to significantly hinder adoption.  

 Studies investigating the benefits of telemedicine found that rural health professionals had more learning 
opportunities in addition to consulting physicians for uncertain diagnoses.  

LMICs  have  few  resources  to  put  toward  investigating  ways  to  improve  quality  of  health  services  and  health 
outcomes and managing their resources. Health information systems and tools that utilize mobile phones can be 
used  to  help  provide  data  for  decision  making  within  the  health  sector.  With  the  increasing  adoption  of  health 
information  systems  and  point‐of‐care  decision  support  tools  in  both  high‐income  countries  and  LMICs,  and  the 
shift  from  computer  to  mobile  phone‐based  data  entry  and  access  platforms,  traditional  health  information 
systems (HIS) and related policies may need to be updated. Furthermore, there has been a shift from designing HIS 
solely as clinician support tools to also including systems and deployments for Community Health Workers (CHWs). 

  30 
Research Findings Related to the Use of Mobile Technologies in Health Information Systems 
As discussed in the previous section, systems and applications related to HIS include the use of PDAs, basic mobile 
handsets, and smart phones to enable access to health information for health workers and the general population, 
and also for routine data collection and reporting and as point‐of‐care support tools. In this section, the focus is on 
the use of such systems at the service delivery level and for direct engagement between citizens and the health 
sector. 

Point‐of‐Care Health Information Tools  

Using  PDAs  and  mobile  phones  at  the  point  of  care  can  provide  health  professionals  and  CHWs  with  access  to 
pertinent information to increase the accuracy of diagnosis and treatment in an effort to improve quality of care 
and in turn health outcomes. One form of this links current patient information with historical patient information 
from  the  Electronic  Medical  Records  (EMR)  and  uses  sophisticated  decision  support  software  to  guide  health 
professionals. At the same time, increasing numbers of support tools and mobile phone‐based systems are being 
used to enable access to static and algorithm‐driven health information for health professionals. A survey of 463 
health  professionals,  60%  of  whom  were  physicians,  in  Medellín,  Colombia,  showed  that  the  majority  not  only 
owned  a  mobile  phone  but  were  most  interested  in  health  education  tools  on  the  mobile  phone,  but  did  not 
address  how  they  were  currently  using  mobile  phones  as  a  support  tool  (C1).  Similarly,  a  needs  assessment  of 
medical residents from Yaounde University in Cameroon found that all the residents had access to a mobile phone 
and used it to call mentors for guidance while completing their training in a rural setting. The use of mobile phones 
as a tool for communication by health workers to get advice from a senior colleague and/or peers through voice 
calling or SMS is one obvious benefit of mobile phones that few people research. An ethnographic doctoral thesis 
on  health‐related  uses  of  mobile  phones  in  Egypt  conducted  in  2002‐2003  highlighted  the  benefits  of  mobile 
phones  for  coordination  and  consultation  among  health  workers  and  the  ability  for  patients  to  contact  their 
healthcare provider directly (C2). A qualitative study of maternal and newborn health conducted in Dangme West, 
Ghana  supports the  above  with  its findings  that  nurse  midwives  consult  with  their  peers,  supervisors,  and  other 
medical  colleagues  on  complex  cases  via  mobile  phones.  Respondents  also  mentioned  using  mobile  phones  to 
facilitate  communication  between  patients  and  healthcare  providers  on  an  individual  basis  or  en  masse  in 
communities,  avoiding  travel  and  yielding  more timely  and  efficient health  service  delivery  (C3).  Communication 
between health workers using such tools as mobile phones falls within the realm of informal telemedicine, point‐
of‐care  support,  and  access  to  health  information.  Many  would  say  it  is  the  single  most  important  mHealth 
application—yet  it  seems  to  be  relatively  ignored  by  researchers  and  policy  makers  alike.  The  residents  in  the 
Yaounde  study  believed  they  would  benefit  from  being  able  to  access  medical  and  healthcare  information,  in 
addition  to  being  able  to  exchange  images  for  point‐of‐care  consultation  advice  (C4).  This  finding  implies  that 
research  into  mobile  phones  and  access  to  this  kind  of  health  information  is  at  the  stage  of  ‘belief  that  mobile 
phones could be useful,’ which is an indication of lack of progress in the area of mobile learning or mLearning for 
health professionals. 

Prgomet et al. identified 13 studies that provided evidence of the positive impact PDAs have on work practices and 
  31 
patient  care  in  a  hospital.  The  authors  noted  that  the  technology  was  especially  useful  where  time  is  a  critical 
factor,  and  rapid  response  is  crucial  (C5).  However,  Patrick  et  al.  warn  that  although  mobile  phones  have  the 
potential to become an increasingly indispensable health device, there are core issues that may influence how well 
and how quickly mobile phones are integrated into health care systems. These include unresolved technical issues 
such  as  network  connections  and  policy‐related  issues  such  as  health  data  security  and  confidentiality  (C6). 
Similarly, Martins and Jones assert that mobile information and communication technologies (MICTs) make access 
to information easier but not necessarily faster because they depend on  integration with other hospital systems 
(C7).  Claim  Mobile  is  a  project  in  Uganda  that  uses  the  mBanking/mPayment  initiative  as  part  of  healthcare 
financing.  The  system  allows  for  live  updates  and  enables  ongoing  communication  between  management  and 
providers. It has reduced claims paperwork and has the ability to cross‐check claims information and catch errors 
(C8). 

Tele‐education & Tele‐consultation 

The  use  of  telemedicine  can  dramatically  help  overcome  the  barriers  to  accessing  expertise  and  relevant 
information.  While  there  are  applications  of  telemedicine  in  the  literature,  there  are  considerable  differences  in 
how  it  is  applied  in  LMICs,  with  different  contexts  and  potential,  and  as  a  result,  outcomes.  Tele‐consultation  is 
defined as the electronic transmission of medical information (voice, data, video, documents, digital images, ECG, 
heart sounds) from one site to another using telecommunication technologies (C9). This idea is further supported 
by  a  review  of  telemedicine  in  LMICs,  which  found  that  it  allowed  health  care  professionals  to  use  connected 
medical devices in the evaluation, diagnosis, and treatment of patients over distances with the help of networking 
technologies,  database  management,  and  application  software  (C10‐26).  Clearly,  the  definition  is  wide,  and  the 
review encompasses many diverse uses for the advancement of patient care.  

The lack of access to information and services not only results in feelings of isolation for health providers, but also 
creates  obstacles  to  diagnosing  specialized  conditions.  The  Ministry  of  Health  in  Malaysia  implemented  The 
Teleconsultation Network, which facilitated 1,034 consultations via video or “store and forward” between March 
2001  and  September  2002.  Analysis  found  that  the  diagnosis  between  primary  care  physicians  and  specialists 
differed  by  42%.  The  implementation  of  the  tele‐consultation  system  in  Malaysia,  which  allows  healthcare 
providers  to  communicate  with  one  another,  has  led  to  more  appropriate  patient  care,  and  thus,  better  health 
outcomes.  The  authors  found  that  frequent  contact  with  rural  and  urban  peers  through  tele‐consultation  has 
beneficial effects that continue well past the single tele‐consultation, with the provider retaining skills learned in 
the tele‐consultation that benefit future clients experiencing similar symptoms (C9). 

In 2004, African Medical and Research Foundation (AMREF) began a telemedicine program in Kenya and Tanzania 
to facilitate tele‐consultation, ease requests for supplies and surgical lists, facilitate the return of laboratory reports 
from  the  AMREF  Central  Laboratory  in  Nairobi,  and  share  training  materials,  written  guidelines,  and  scientific 
papers  with  health  workers  in  remote  hospitals  in  rural,  arid  regions  of  Tanzania  and  northern  Kenya.  AMREF  is 
now piloting the use of the mobile phones to support distance learning for its existing Nurse Upgrading Program 

  32 
and  Continuous  Professional  Development  (CPD).  AMREF  mLearning  enables  mid‐level  health  workers  to  access 
study  and  reference  materials,  tests,  and  health  news  messages.  The  mobile  application  is  designed  for  use  on 
phones that support low‐level mobile entertainment and is downloadable similar to a mobile game or ringtone. An 
area of study in high‐income countries is the use of “instant messaging,” such as Google Chat, on mobile phones to 
communicate with colleagues and providers for instantaneous collaborative medical advice. Research on this topic 
was not found in LMICs. 

Barriers to and Gaps in the Use of Mobile Technologies in Information and Support Tools for Health 
Professionals  
The  literature  on  the  use  of  mobile  technologies  for  information  support  for  health  professionals  and  service 
delivery in developing countries is anecdotal and fragmented. Much more research is needed in this area.  While 
“case  studies”  and “pilots”  are  many,  little  research  in the  way  of  replicable  study  design  with adequate  sample 
sizes  was  found.  Numerous  studies  described  system  implementations,  but  few  showed  improved  patient 
outcomes and workflow efficiencies. Thus, further research that  examines the impact of mobile devices on work 
practices  and  outcomes,  rather  than  assessing  feasibility,  is  needed  (C5).  Kaplan  also  notes  the  paucity  of 
controlled studies concerning mHealth (C11).  

A primary aspect of health information systems is the development of patient electronic medical records (EMR) as 
a  means  to  record  health  activity  and  create  continuity  between  the  patient  and  healthcare  provider  for  better 
care.  Studies  investigating  EHRs  on  mobile  phones  were  not  found  as  the  literature  focused  mainly  on  internet‐
based  solutions.  In  LMICs  where  broadband  coverage  is  sparse  and  inconsistent,  the  need  for  this  capability  on 
mobile  phones  is  critical.  In  many  ways,  EHRs  have  the  potential  to  create  a  foundation  for  which  the  scope  of 
mHealth  can  be  realized.  For  instance,  a  single  patient’s  EHR  can  be  used  to  inform  data  collection,  treatment 
compliance, and disease management programs. This shift toward integrated mHealth solutions will be increasingly 
crucial to drive adoption among healthcare providers, who already struggle with time constraints.  

Txt2MEDLINE is a text messaging system that processes incoming texts, retrieves the appropriate journal citation 
from MEDLINE/PubMed, and sends that information to the person who requested it. The system was designed to 
provide a mobile reference resource to physicians to support evidence‐based medicine and translational medicine. 
It is comprised of a server with a Global System for Mobile Communication (GSM) modem, a subscriber identity 
module (SIM) card for wireless connectivity to the mobile network, and UltraSMS to interface between the modem 
and  database  and  a  mobile  device.  The  Txt2MEDLINE  team  developed  a  medical  abbreviations  and  acronyms 
database  that  contains  3,000  medical  terms  (and  counting).  Queries for  journal  citations  can  be  sent  via  SMS  or 
email using the system’s search commands. The system relies heavily on abbreviations due to SMS character limits, 
which poses an obstacle to user adoption of the system in addition to being a challenge for the team—they are 
currently testing several versions of the word abbreviation algorithms. Another limiting structure of the system is 
its dependence on wireless networks. Overall, the early user feedback has been positive. 

  33 
Primary  challenges  facing  implementing  and  scaling  health  information  systems  were  found  to  include  clinician 
resistance (C12), cost (C13, C14, C15), inadequate infrastructure (C16, C15), staff workload, understaffing, power 
shortages, and network breakdowns. The Lu study (C12) focused on physicians in a general sense and did not delve 
into  specialties.  Some  reasons  for  clinician  resistance  included  dissatisfaction  with  the  physical  characteristics  of 
digital  technologies,  uneasiness  with  its  use,  and  ineffectiveness  of  the  technology.  Furthermore,  staff  workload 
may be too complicated such that multiple technologies need to be used and/or the technologies are unable to be 
easily  integrated  into  the  workflow.  For  understaffing,  the  introduction  of  a  HIS  may  create  more  work,  thus 
overextending the staff further. In addition, data and technology standards will be needed in order to benefit from 
the  increasing  volumes  of  data  being  generated  through  these  systems.  Since  most  HIS  (including  open  source 
software)  have  been  designed  and  implemented  in  high‐resource  settings  (with  the  assumption  of  reliable 
broadband access), the adaptation of studies, technologies, and systems  from such settings may pose a problem 
for LMICs.  

In order to successfully incorporate mobile technology into their overall point‐of‐care support strategy, healthcare 
organizations need to consider issues like portability, task structure, ease of use, and system reliability. Such issues 
influence  the  use  of  mobile  technology  by  healthcare  professionals,  their  degree  of  satisfaction  with  the 
technology, and the realization of overall benefits (C17). 

The developed world model of personal ownership of a phone may not be appropriate  as the sole model in  the 

developing world where shared mobile telephone use could be common, particularly when dealing with sensitive 
patient‐related  information.  Sharing  may  be  a  serious  drawback  to  use  of  mobile  telephones  as  a  healthcare 
intervention in terms of stigma and privacy, but its magnitude is unknown (C11). In 2008, Nokia released survey 
findings on consumers in emerging markets. The surveys were conducted in India, China, Brazil, Pakistan, Vietnam, 
Russia, and Egypt in October and November 2007. According to the survey, a new trend was on the rise—phone 
sharing.  More  than  50%  of  those  surveyed  in  India  and  Pakistan  and  nearly  30%  in  Vietnam  noted  that  they 
currently  share  or  would  share  their  mobile  phone  with  family  or  friends.  Phone  renting  is  a  method  of  phone 
sharing. For example, in the mid‐1990s “cholulares,” a nickname for "cholos con celulares" or people who rent cell 
phones on the streets, were popular in many cities in Peru (C19). But now, more and more people are acquiring 
personal mobile phones since they have become more affordable (C19). The ITU noted that by the end of 2007, the 
number of mobile phone subscriptions surpassed the 100% mark in Europe with inidviduals have more than one 
subscription and/or phone and at the end of the year, almost one out of every two people in the world owned a 
mobile  phone.  The  rate  of  penetration  is  expected  to  rise  with  the  continued  high  level  of  competition  in  the 
telecommunications  sector  and  decreases  in  prices  for  mobile  devices.  Such  trends  are  evident  throughout  the 
developing world in countries such as Zambia, Kenya, and several other African countries where mobile phones are 
used  to  make  cashless  payments  (C20).  Sensitivities  to  shared  mobile  phones  would  presumably  apply  only  to 
some types of health information, especially personal medical records and targeted SMS messaging for conditions 
that may be stigmatized such as HIV/AIDS; it would apply less, if at all, to other kinds of generic health information 
such as preloaded generic first aid information. 

  34 
One key area that appears not to have been studied is related to the types of incentives that ought to be provided 
to health professionals to encourage adoption and proper use of mHealth‐related health information systems. Key 
research  questions  in  this  area  might  include:  How  do  EMRs  and  associated  software  and  hardware  make  the 
professional’s  job  easier  and  more  rewarding?  How  can  mobile  technology  be  part  of  an  empowering  two‐way 
conversation, rather than single directional data entry? How can such tools be used as part of an effective human 
resource management system that rewards excellence and identifies errors and weaknesses in order to improve 
quality  of  care?  Salary  payments  through  cell  phones  would  provide  immediate  reward  for  effective  usage  of 
mHealth  applications.  Similarly,  payment  in  cash  or  minutes/message  units  could  enhance  public  health 
compliance in the general public (see next section). These all need to be studied. 

  35 
DISEASE PREVENTION AND HEALTH PROMOTION 
Key Points  

 Studies investigating the use of mobile technology for disease prevention and health promotion have found 
positive  results  when  used  to  affect  the  health  outcomes  of  patients  managing  smoking  cessation  and 
nutrition. 

 Mobile  technology  has  been  a  critical  medium  to  promote  and  disseminate  information  regarding 
confidential  and  stigmatized  issues  such  as  sex,  family  planning,  sexually  transmitted  infections,  and 
HIV/AIDS.  

 The literature found studies illustrating the use of mobile phones to strengthen the relationship between 
patients and providers, for example midwives and pregnant women. This increase in communication allows 
health  providers  to  monitor  patients  more  closely,  leading  to  earlier  detection  and  treatment  of  health 
issues.  

 Disease  prevention  and  health  promotion  programs  tailored  specifically  to  a  patient’s  needs  and  health 
profile  are  being  created  using  intelligent  back‐end  systems  through  the  increasing  integration  of  rules‐
based  engines  and  algorithms.  Integrating  solutions  with  platforms  such  as  electronic  health  records  can 
accelerate this development, which can be used to inform people‐centric programming. 

 Barriers to disease prevention and health promotion programming are commonly found in the limitations 
of SMS (i.e., 160 characters), language, and privacy. It has been found that mobile phones are often shared 
among family members in LMICs, leading to potential challenges with protecting confidential information.  

It has recently become understood that preventing a disease from occurring is more cost‐effective than treating a 
disease. As a result, more emphasis is now being placed on disease prevention, such as mitigating the transmission 
of infectious diseases or improving unhealthy lifestyles in order to decrease the risk of contracting or developing 
deadly,  costly  diseases.  These  diseases—HIV/AIDS,  diarrhea,  pneumonia,  and  heart  diseases—impose  great 
economic  burdens  on  society,  making  prevention  efforts  a  worthwhile  investment  across  the  world.  This  is 
particularly the case in LMICs where traditional infectious diseases and, increasingly, chronic conditions are putting 
a strain on existing health systems. To effectively manage and prevent these diseases, the WHO has identified four 
essential elements for action in health promotion and prevention (D2): 

1. Support a paradigm shift towards integrated, preventive health care 
2. Promote health financing systems and policies that support prevention in health care 
3. Equip patients with needed information, motivation, and skills in prevention and self‐management 
4. Make prevention an element of every health care interaction 
 
Although there is presumably a large market for prevention efforts, systems for health care delivery are often not 

  36 
adequately  structured  to  focus  on  prevention  activities  and  health  care  providers  do  not  take  advantage  of 
opportunities  to  enforce  healthy  behaviors  when  with  patients  (D2).  Challenges  are  increased  by  the  fact  that 
persuading  individuals  to  adopt  healthier  lifestyles  is  difficult.  Moreover,  in  LMICs,  very  large  segments  of  the 
population do not come into contact with the formal health care system frequently, if at all. However, the rapid 
uptake  of  mobile  phones  by  individuals  offers  several  opportunities  for  enhanced  prevention  activities.  Since 
mobile phones are portable (making them easy to carry everywhere) and personal, they have become a creative 
vehicle  for  positive  health  behavior  changes  and  disease  prevention  activities.  This  section  details  studies  that 
demonstrate  the  ways  mobile  phones  are  being  utilized  for  promoting  health  and  preventing  disease.  Drawing 
together current trends, the analysis of these research findings will be followed by a description of barriers, gaps, 
and suggestions for next steps. 

Research  Findings  Related  to  the  Use  of  Mobile  Technologies  for  Disease  Prevention  and  Health 
Promotion 
A  total  of  25  studies  have  been  selected  to  illustrate the  current  state  of  mHealth  prevention  strategies.  Mainly 
focusing  on  the  use  of  mobile  phones  for  preventing  heart  disease,  diabetes,  HIV/AIDS,  and  other  sexually 
transmitted  diseases,  the  studies  were  performed  on  interventions  in  countries  such  as  Canada,  the  Democratic 
Republic of Congo, India, Philippines, South Africa, Tanzania,  Thailand, Uganda, and the United States. Generally, 
prevention efforts are classified according to the disease they are trying to prevent; however, mHealth prevention 
initiatives  must  be  understood  in  the  context  in  which  they  are  deployed.  This  required  employing  a  modified 
version of the WHO framework for integrating prevention activities into health services. Articles were categorized 
by this framework, rather than by the disease each intervention intends to prevent. 

Mobile phone uses to support a paradigm shift towards integrated, preventive health care 

There  have  been  many  documented  uses  of  mobile  phones  for  prevention  activities  in  health  care.  Among  the 
mHealth‐related  prevention  articles,  one  study  explored  the  feasibility  of  using  mobile  phones  for  telephone 
counseling  as  a  smoking  cessation  intervention  in  a  low‐income,  HIV‐positive  population  (D3).  Through  personal 
interviews,  participants  expressed  that  although  transportation  and  telephone  availability  were  barriers  to 
receiving  the  intervention,  they  were  interested.  These  findings  led  to  a  subsequent  study  in  which  participants 
were provided with free mobile phones and received counseling sessions over the phone. Ninety‐five percent of 
the  participants  attempted  to  quit,  and  75%  were  abstinent  one  to  two  weeks  post‐quitting  date  (D3). 
Interestingly, Labonne and Chase, thinking that individuals may pay for communication with the same money they 
would normally spend on tobacco, explored the impacts of mobile phone ownership on tobacco consumption (D4). 
Using  panel  data  from  2,100  households  in  135  communities  of  the  Philippines  collected  in  2003  and  2006,  the 
analysis  found  that  mobile  phone  ownership  led  to  a  20%  decline  in  monthly  tobacco  consumption,  and  among 
households in which at least one member smoked in 2003, purchasing a mobile phone led to a 32.6% decrease in 
  37 
tobacco consumption per adult over the age of 15.  

The increasing interest in how mobile phones can play a role in prevention activities is reflected in the  systematic 
review performed by Krishna et al. (D5). This review covered  literature addressing the use of mobile phones and 
text  messaging  in  health  care  provision  and  disease  management  support.  A  total  of  25  studies  covering  13 
different countries (mostly high‐income) were identified based on inclusion criteria. Twenty of these studies were 
randomized  controlled  trials  and  5  were  controlled  studies;  19  assessed  outcomes,  and  the  remaining  assessed 
processes.  Most  of  these  studies  used  what  the  review  termed  “push”  technology  where  messages  delivered  to 
phones were tailored to personal needs. These messages were sent at a frequency between once per week to once 
per  day.  For  those  studies  that  included  outcomes,  significant  findings  involved  improvements  in  treatment 
compliance,  symptoms,  stress  levels,  smoking  cessation,  and  self‐efficacy  because  of  either  voice‐  or  text‐based 
communication over cellular phones. Those studies focused on examining processes saw improvements in clients 
making  scheduled  appointments,  and  in  providers  diagnosing  and  treating  faster  (D5).  One  process  study  found 
improvements in performance and satisfaction after teaching communication via text messages to individuals with 
disabilities (D5). 

  

Mobile  phones  equipping  patients  with  needed  information,  motivation,  and  skills  in  prevention  and  self‐
management 

“When  patients  are  systematically  provided  with  information  and  skills  to  reduce  health  risks  (or  adopt  healthy 
behaviors), they are more likely to reduce substance use, to stop using tobacco products, to practice safe sex, to 
eat  healthy foods,  and to  engage in physical  activity…[which]  can  dramatically  reduce  the  long‐term  burden  and 
health care demands of chronic conditions” (D2). Information and communications technologies are providing new 
communication channels for disease prevention messages.  

ALIVE!  is  a  program  that  sends  email  reminders  or  text  messages  to  patients  to  encourage  healthy  eating  and 
regular exercise (D6). Study findings describe how mobile phones are equipping populations with a convenient tool 
to become better informed, motivated, and self‐managed to integrate more healthful daily activities (D6). 

In  2009,  Roura  et  al.  demonstrated  that  equipping  patients  with  appropriate  preventive  information  alongside 
treatment  has  transformed  HIV  into  a  manageable  condition  in  a  rural  ward  of  Tanzania  (D7).  In  prevention, 
strategies  to  mitigate  contracting  an  infectious  disease  or  developing  a  chronic  condition  are  to  provide  health 
information on how to protect oneself, and how to exercise and eat better. Mobile phones have become a medium 
for  relaying  these  types  of  information,  as  well  as  providing  contact  information  for  hotlines,  counseling,  and 
educators.  For  example,  an  intervention  called  mDhil  offers  text  messages,  in  40  characters  or  less,  with 
information  on  various health  topics  not  commonly  discussed  in  India, such  as  diabetes,  H1N1,  maternal  health, 
and  human  reproduction,  on  a  for‐profit  business  model  (D8).  The  team  at  mDhil  is  working  toward  one  million 
users by the end of 2010 and hopes to hit three million by the end of 2011 (D8).  
  38 
Prevention information delivered via text messages has been effective with targeted populations including those of 
young people aged 10 to 24. In response to rising gonorrhea rates among African American youth in San Francisco, 
Internet  Sexuality  Information  Services,  in  partnership  with  the  San  Francisco  Department  of  Public  Health, 
developed SEXINFO, an effective sexual health text messaging service (D9). After the pilot, usage of the service was 
greater  than  expected,  and  an  initial  evaluation  to  assess  the  impact  of  SEXINFO  on  increasing  access  to  sexual 
health  services  among  at‐risk  adolescents  showed  promising  results.  Additionally,  La  Ligne  Verte  (“hotline”  in 
French) exemplifies the use of mobile technologies for health education information in the Democratic Republic of 
Congo,  where  access  to  health  services  has  been  seriously  compromised  by  violence  of  the  past  decade  (D10). 
Callers  to  the  hotline  are  able  to  speak  confidentially  to  educators  trained  to  offer  high‐quality  information  on 
family planning and contraceptives and also able to make referrals to clinics located near the callers. The hotline is 
available virtually countrywide, between Mondays and Fridays from 8:00 am to 4:40 pm. In 2007, between 600 and 
2,000  calls per  month  were  made  to  la  Ligne Verte.  The  system  operates  through  a  contract  with  mobile  phone 
provider VODACOM, where VODACOM is paid 36 cents for each call limited at two minutes. It has been found that 
three minutes may be a more appropriate  length of time for responses, so the project is exploring  options in its 
next  stages.  Knowledge  about  the  hotline  is  spread  through  mass  and  individual  information  sessions,  radio 
broadcasts, and billboards. Monitoring data is collected and analyzed two times a month for internal project use, 
and  a  report  is  sent  to  the  project’s  provincial  offices  every  month.  Originally  targeting  the  family  planning 
information  to  women,  the  project  to  date  has  surprisingly  experienced  more  than  80%  of  callers  to  be  men  of 
reproductive ages—possibly a reflection of the unmet need for family planning information (D10). 

The provision of health‐related information has also been shown to improve satisfaction levels. One randomized 
control trial in a hospital setting in Bangkok, Thailand demonstrated that healthy, pregnant women who received 
text messages for prenatal support had significantly higher satisfaction levels than those who did not receive any 
text message support (D11). A total of 68 women were randomized into either a treatment group, which received 
two SMS messages per week from 28 weeks of gestation until giving birth, or a control group, which did not receive 
messages. Information provided to the treatment group included abnormal symptoms that may come about during 
pregnancy that would require the consultation of a health care worker, and tailored messages were sent based on 
each woman’s specific gestational age (e.g., “after giving birth, breast milk is the best food for your baby and can 
improve immunity” was sent prior to expected date of delivery) (D10). However, this study did not find a difference 
in  pregnancy  outcomes,  such  as  gestational  age  at  birth,  infant  birth  weight,  preterm  delivery,  and  route  of 
delivery. Though Jareethum et al. aimed to assess satisfaction levels and measured the aforementioned pregnancy 
outcomes, the study did not address whether or not there were differences between treatment and control groups 
for the specific messages sent (D10).  

Another avenue in which mobile phones can be utilized for disease prevention is providing individualized targeted 
interventions. Several of the articles describe mHealth‐related prevention efforts specifically for increasing physical 
activity,  which  is  encouraged  as  motorized  transport  and  sedentary  leisure  time  (e.g.,  television  watching)  rises 
globally  (D2).  Intel  Research  has  developed  UbiFit  Garden,  which  is  an  application  aimed  to  encourage  regular 

  39 
physical activity (D6). When an individual is physically active, the application will reflect the activity by displaying “a 
blooming garden” on the individual’s mobile phone screen. Additional activity, detected by on‐body sensors, turns 
into additional flowers in the garden. Overall, UbiFit Garden has effectively assisted individuals into a more active 
lifestyle  (D6,  D12).  In  addition  to  visual  stimulation  motivating  individuals  to  become  more  active,  a  short‐term 
study demonstrated that sharing activity information among a group of friends encourages reflection and provides 
increased motivation for daily activity (D13). 

Better disease prevention is also related to self‐management as indicated in the treatment compliance section. The 
universal  Mobile  Diabetes  Management  and  Internetworking  System  (MDMIS),  which  aims  to  improve  diabetes 
control  by  providing  a  portable,  secure,  and  ubiquitous  diabetes  management  service  for  both  diabetics  and 
medical providers, is one example (D14). The relevant experimental and test results of this system have shown a 
successful  implementation  of  a  GPRS  wireless  diabetes  management  system.  The  presented  architecture  can  be 
adopted  for  other  mobile  chronic  disease  management  such  as  asthma,  cardiac  disease,  and  COPD  (chronic 
obstructive  pulmonary  disease).  Similarly,  Anderson  et  al.  explored  how  mobile  phones  could  help  people  track 
their daily exercises. To estimate the movement of a mobile phone user, an Artificial Neural Network was designed 
to analyze the mobile network’s signal strength in relation to the user’s mobile phone based on distance from the 
network (D13). 

Mobile phones are also allowing individuals to receive information for self‐management for themselves in addition 
to  family  members  or  friends  that  may  have  an  illness  or  injury.  The  hotlines,  such  as  SEXINFO  mentioned 
previously, are prime examples where information can be readily accessed to improve self‐management of more 
healthful  behaviors.  One  study  found  that  receiving  text  messages  on  mobile  phones  does  not  share  the 
disadvantages that are present when using web services for monitoring and self‐management of health outcomes 
(D15). Four messages were received daily by asthma patients regarding medication reminders, requests for peak 
flow  information,  data  on  sleep  loss,  and  medication  dosages.  Responses  were  recorded  as  diary  data  and 
approximately half the patients reported 69% of the requested data (D15). A focus group was held with nine of the 
users, and they expressed that SMS had become an “integrated part of their everyday life,” though a request for a 
more simple process was expressed (D15). 

In a similar project, during a six month period, approximately 950 text messages were sent to a treatment group 
while  standard  methods  for  information  provision  were  used  with  a  control  group  of  patients  who  had  been 
diagnosed with Chlamydia trachomatis infection,. Results demonstrated that patients with Chlamydia trachomatis 
were diagnosed quicker and received treatment faster after a text messaging results service was incorporated into 
clinic care. The provision of results saved time for the treatment group; however, there was no difference between 
treatment and control groups when it came to the time taken for patients to attend the clinic once contacted with 
the  results  (D16).  Menon‐Johansson  et  al.  additionally  found  that  during  the  last  month  of  their  analysis,  when 
33.9% of results were provided via text messages, the clinic had saved 46 hours of staff time and 40.4% in costs per 
month (D16). 

  40 
One  way  of  improving  information  to  elicit  improvements  in  self‐management  for  prevention  and  health 
promotion has been published by Traver et al. (D17). For patients with chronic cardiac conditions, a home tele‐care 
platform was developed that can be used on PDAs, personal computers (PCs), mobile phones, and tablet PCs (D17). 
The  platform  contains  tele‐monitoring  (e.g.,  online  and  offline  monitoring  of  vital  signs),  alarms  (e.g.,  warning 
alarms  for  when  threshold  levels  have  been  reached  for  some  measurements),  scheduling  (e.g.,  scheduling 
appointments and pill reminders), electronic health records, electronic prescriptions (e.g., recommendations and 
pill  information  available  to  the  patient  via  database),  customized  patient  information  (e.g.,  available  and 
customized  information  complementing  patient  profiles),  and  videoconferencing  (e.g.,  visual  and  virtual 
examinations) features (D17). Some features are available for the patient to use and some are for health care staff. 
Findings  from  a  two‐year  evaluation  of  18  patients  found  that  71%  of  the  patients  reported  that  the  tele‐care 
services had increased their independence, 85% said that they wished to keep the service after the trial, and both 
patients  and  health  professionals  remarked  that  the  platform  was  complementary  to  traditional  health  care 
services, and not replaceable (D17). 

Some mHealth interventions tie together strategies for improving information, motivation, and self‐management. 
For example, in the United States, Delaware Physicians Care, Inc. (DPCHI) has enrolled patients to receive pre‐ and 
post‐natal appointment reminders as well as health information through text messaging (D6). In another study, a 
randomized control trial demonstrated that individuals who received “tailored solutions for perceived barriers, a 
schedule to plan weekly exercise sessions with mobile phone and email reminders, a message board to share their 
experiences with others, and feedback on their level of physical activity,” as well as real‐time feedback through the 
Internet,  reported  a  significantly  greater  increase  in  both  the  perception  of  control  and  the  intention  or 
expectation  to  exercise compared  to the  control  group  (D18).  However,  the  study lacked  qualitative data,  which 
could have helped understand participants’ perceptions of the program. 

Make prevention an element of every health care interaction 

As mentioned previously, health care has traditionally consisted of curative care; however, stakeholders in health 
systems are beginning to realize that factors that increase the risks of developing or contracting diseases can be 
largely  prevented.  For  this  to  happen  on  a  large  scale,  prevention  must  be  an  element  of  every  health  care 
intervention (D2). In the articles that fall in this category, some mHealth projects sought out opportunities to build 
upon existing prevention campaigns, such as Text to Change’s HIV/AIDS efforts in Uganda, and others developed 
strategies to improve patient‐provider or provider‐provider relationships. 

The  non‐profit  nongovernmental  organization  (NGO)  Text  to  Change  uses  mobile  telephony  as  a  medium  to 
synergize  the  communication  of  HIV/AIDS  issues,  existing  prevention  campaigns,  and  other  HIV/AIDS  health 
services in Uganda (D19). The main objectives of the pilot intervention were to scale up VCT (Voluntary Counseling 
and  Testing)  uptake,  bring  about  a  behavioral  change,  increase  the  knowledge  of  HIV/AIDS,  and  facilitate 
monitoring and evaluation of current prevention programs.  Text to Change developed an interactive SMS‐based, 
multiple‐choice  quiz  to  improve  knowledge  of  HIV/AIDS.  Quizzes  were  sent  by  SMS  to  the  15,000  Celtel  mobile 

  41 
phone users in the Greater Mbarara region who were targeted over the course of eight weeks. Between February 
and April of 2008, 2,610 of the 15,000 Celtel mobile phone users responded to one or more questions sent via text. 
Some questions received responses more often than others (e.g., the question “HIV is not present in a) semen, b) 
sweat, or c) blood” had the smallest number of responses with between 1,000 and 1,500 respondents, whereas “Is 
the HIV test accurate” had around 2,500 respondents). The trial indicated that it is essential to have an extensive 
marketing campaign, using radio, billboards, and newspapers, an introductory message containing an explanation 
of  the  program  and  explaining  the  ways  in  which  anonymity  is  guaranteed,  a  shorter  program  duration  so  that 
people will not lose interest, and various technical improvements (D19). Similarly, another NGO, Cell‐Life, reported 
their results on how mobile technology can be used in the prevention, treatment, and care of HIV/AIDS, as well as 
supporting  the  HIV  sector  in  general  in  South  Africa  (D20).  Cell‐Life  sent  text  messages  containing  treatment 
reminders  as  well  as  information  on  treatment  side  effects  to  120  people  twice  a  day.  When  the  report  was 
published by de Tolly and Alexander in 2009, the pilot had only been running for three months, which was not a 
sufficient  amount  of  time  to  measure  an  impact;  however,  coordinators  were  receiving  positive  feedback,  and 
those  who  were  not  allowed  to  participate  in  the  program  expressed  displeasure  (D20).  Because  services  were 
available in both English and Xhosa and because Xhosa generally contains 20% more characters than English, Cell‐
Life experienced challenges in translating messages and fitting proper messages within the 160‐character limit. 

Another  mHealth  approach  is  to  strengthen  the  patient‐provider  relationship  by using  mobile  phones.  Ray  et  al. 
describe  a  simple  concept—if  a  health  provider  is  able  to  have  a  higher  “awareness  level”  of  the  actions  and 
location  of  his/her  patients,  the  provider  may  be  able  to  provide  better  and  more  appropriate  health  services 
(D21).  In  their  study,  mobile  health  becomes  a  platform  for  a  health  professional  to  receive  “awareness” 
information,  such  as  the  vitals  of  a  chronically  ill  patient  who  is  connected  to  a  sensor  linked  to  a  monitoring 
device. The authors suggest that with mobile eHealth strategies, many of the latency issues in care can be resolved 
with automated processes and wireless networks. This also applies to activities that generally require face‐to‐face 
appointments  between  patients  and  physicians  (D21).  With  routine  checkups  and  closer  monitoring  with 
strengthened communication links provided by mobile phones, a provider can anticipate risk factors for diseases 
that are more likely to develop in individuals and enhance early detection. For patients, the ability to participate 
more closely with health providers has the potential to promote a more health conscious attitude. 

Mobile phones have also been demonstrated to fill communication gaps among health care workers. An example 
of this is the Aceh Besar Mobile Phones Project, which has received recommendations to extend mobile phone call 
credit subsidies for midwives to improve communication with midwife coordinators and doctors in the area (D22). 
These  subsidies  would  complement  potential  networking  sessions  between  healthcare  workers  and  medical 
experts held on a regular basis. Another study sought to investigate whether text messages could be an affordable 
option  to  improve  outreach  communication  and  information  dissemination  between  community  practitioners 
(D23). A field study of 50 participants was conducted to collect communication protocol responses through a text‐
messaging simulation. Findings suggested that the use of text messages was a viable communication medium for 
information  exchange  between  field  practitioners  (D23).  This  study  has  important  implications  for  LMICs, 

  42 
particularly  where  rapid  growth  of  mobile  phones  and  networks  is  offering  health  worker  to  health  worker 
communication  support  to  perform  preventive  outreach  services.  This  is  another  example  of  communication 
between  health  workers  that  raises  an  important  and  controversial  question  for  policy  makers:  Should 
governments do more to equip health workers with mobile phones for their work and/or take steps to encourage 
mobile phone ownership among the general population? 

Additionally,  Varshney  presents  a  framework  for  using  wireless  technologies  for  prevention,  healthcare 
maintenance  and  checkups,  short‐  and  long‐term  monitoring,  incidence  detection  and  management,  and 
emergency  transportation,  treatment,  and  intervention  (D24).  He  argues  that  medical  errors,  stress  on  health 
professionals,  and  limited  access  to  health  services  could  be  improved  with  the  integration  of  mobile  and  other 
wireless technologies (D20). Mobile phones could also reduce the overall cost of health services in the long term; 
however,  wireless  networking  solutions  (i.e.,  wireless  local  area  networks  (LANs),  ad  hoc  wireless  networks, 
cellular/GSM/3G  networks,  and  satellite‐based  systems)  have  to  address  security  and  privacy  issues,  as  well  as 
potentially spotty coverage, which could hinder attempts at continuous information flow across networks. 

Barriers to and Gaps in the Use of Mobile Technologies for Disease Prevention and Health Promotion 
The review of articles related to mHealth strategies for disease prevention demonstrates that mobile phone and 
network  integration  into  prevention  activities  is  new  and  developing  rapidly;  however,  this  integration  is  not 
without  barriers  to  development  or  gaps  in  knowledge.  Common  barriers  experienced  across  several  of  the 
aforementioned  projects  included  limiting  health‐related  content  to  160  characters  for  text  messages  or  to  a 
certain amount of time for voice calls; translating messages from one language to another (D20); having sufficient 
technical and mobile phone provider support in remote areas (D10); encountering language barriers (D20); lacking 
sufficient qualitative data to explain certain findings (D18); and addressing security and privacy issues (D8). Though 
most of the mHealth interventions for disease prevention described the use of text messages for providing health 
information, motivating individuals, and encouraging self management, illiteracy is clearly an issue for future text‐
based prevention interventions. When investigating the interplay among ART scale‐up, different types of stigma, 
and Voluntary Counceling and Testing (VCT) uptake two years after the introduction of free ART in a rural ward of 
Tanzania,  Roura  et  al.  demonstrated  the  importance  of  culture‐specific  approaches  to  equipping  patients  with 
proper  preventive  information  (D7).  The  authors  found  from  in‐depth  interviews  with  a  purposive  sample  of  91 
community  leaders,  77  antiretroviral  clients,  and  16  heath  providers  that  availability  of  effective  treatment  had 
transformed HIV into a manageable condition that was contributing to a reduction in self‐stigma and stimulating 
VCT  uptake  (D7).  These  contributions  are  being  counterbalanced  by  the  persistence  of  blaming  attitudes  and 
emergence of new sources of stigma associated with anti‐retroviral provision. 

Other challenges mentioned in the mHealth‐related prevention interventions included technical problems, costs, 
and financial sustainability. La Ligne Verte in the Democratic Republic of Congo described technical problems they 
had  early  on,  such  as  setting  up  and  running  their  hotline;  however,  these  issues  were  resolved  through 

  43 
collaboration with mobile phone provider VODACOM (D10). Cost issues were reported to be barriers  for some of 
the projects during pilot stages as well as in plans for scale‐up or sustainability. The founder of mDhil had described 
frustrations of working with foundations that are not as willing to work with for‐profit startups, which was the case 
for mDhil (D8).  

Increasing  numbers  of  individuals  with  chronic  diseases  will  become  more  and  more  expensive  if  not  mitigated 
now, resulting in a strong demand for more prevention efforts. The communication channels that can be created 
across mobile phone networks have great potential to support the type of individual and community involvement 
in healthier behavior and lifestyles. As these projects move beyond pilot stages, they may face barriers that other 
mHealth prevention projects have experienced. Many decades of advancements in the field of health prevention 
occurred before mobile phones became the first technology to begin to reverse the digital divide (D5). “Successful 
[preventive]  programs  have  emphasized  the  need  for  individual  and  community  involvement  and  have  been 
characterized  by  responsible  government  policies  for  equitable  implementation  of  efficacious  and  cost‐effective 
health interventions” (D1). This work should not be ignored amidst the excitement about the potential role mobile 
phones  can  play  in  preserving  health  and  preventing  disease.  Indeed,  mHealth  should  generally  be  seen  as  an 
effective new tool in a broader campaign, rather than a “silver bullet.” 

  

The digital divide refers to the gap between people with effective access to digital and information technology and 
those with very limited or no access at all. It includes the imbalances in physical access to technology as well as the 
imbalances in resources and skills needed to effectively participate as a digital citizen. 

  44 
EMERGENCY MEDICAL RESPONSE  
Key Points  

 The  most  natural  linkage  between  emergency  medical  response  systems  and  mobile  phones  is  access  to 
transportation using a centralized dispatch phone number. However, no studies were found that discussed 
this type of deployment in LMICs.  

 Significant  literature  investigating  the  use  of  mobile  technology  for  monitoring  elderly  patients  in  high‐
income countries with integrated feedback mechanisms during an emergency was found. It is evident that 
high‐income  countries  are  preparing  for  the  predicted  demographic  shift  in  the  next  5  to  10  years.  Such 
systems are appropriate for urban areas and increasingly for rural areas in LMICs. 

 Reports were found that described the use of mobile technology during natural disasters such as the Indian 
Ocean tsunami, Hurricane Katrina, and the devastating earthquake in Haiti. Mobile phones were primarily 
used for citizen reporting of food, health, and shelter needs and to coordinate search and rescue missions. 

 SMS provides a significant opportunity to alert citizens before, during, and after an emergency, given the 
fact that it is not only an audio signal, like a siren, but is also a method to communicate calls to action.  

 Studies investigating the use of mobile phones for telemedicine during an emergency found them to be an 
effective  means  to  treat  patients  faster  and  more  accurately  by  consulting  physicians  via  phone  while  in 
transit, sending images for faster diagnosis and using video capabilities when available.  

In LMICs, comprehensive emergency medical response systems (EMRS) are a rarity, often given low priority on the 
totem pole of public health priorities (E1). Kobusingye et al. argue that the reason for this is a skewed perception of 
the prohibitive costs of transportation and technologically advanced clinical care, as seen in high‐income countries, 
in  comparison  to  a  focus  on  simple  and  effective  strategies  (E1).  The  use  of  mobile  phones  presents  the 
opportunity to circumvent some of the challenges of implementing an EMRS—during both pre‐hospital and within‐
hospital care.  

VanRooyen et al. describe the 15 essential components to consider when developing an EMRS in a LMIC (E2). Most 
of the studies reviewed show that many of these components can be enhanced—if not fully addressed—with the 
use of mobile phones. These include manpower, training, communications, transportation, consumer participation, 
access  to  care,  patient  transfer,  coordinated  patient  record‐keeping,  public  information  and  education,  disaster 
planning, and mutual aid.  

Research Findings Related to the Use of Mobile Technologies in Emergencies 
Our analysis of 35 studies showed little research on mobile phones in EMRS in LMICs; however, studies from high‐
  45 
income countries present transferable lessons and ideas. The literature can be segmented into five primary areas 
of study: access to emergency medical response, remote patient monitoring and emergency alert systems, point of 
emergency care, telemedicine, and natural disaster management and recovery. The studies ranged from proposing 
complex  systems  using advanced technology  such  as  wireless  sensor networks  (E3,  E4,  E5,  E6,  E7),  to  leveraging 
basic functions of a mobile phone, such as voice, video, wireless application protocol (WAP) browser, imaging, and 
GPS (E8, E9, E10, E11, E12, E13, E14, E15). The second group shows potential for application in LMICs. Given the 
time‐sensitive  nature  of  emergency  medical  response,  most  studies  looked  at  improved  response  time  and 
accuracy of diagnosis and treatment support as measures of success.  

Access to Emergency Transportation and Services 

In a qualitative study of health‐related uses of mobile phones in Egypt in 2002, Mechael showed the critical role of 
mobile  phones  in  accessing  emergency  transportation,  health  personnel,  police,  and  family  members  during  an 
accident, injury, or medical emergency. Of the 66 people interviewed, almost all recounted using a mobile phone 
to increase access to emergency care, either directly or through an intermediary. Although a national emergency 
phone number, “123,” existed, respondents preferred to use mobile phones to access local private transportation, 
as a result of emergency calls being routed to a call center in Cairo, slowing the response time (E16).  

In India, a privatized company, Dial 1298 for Ambulance, launched a national emergency number and ambulance 
system  to  overcome  the  lack  of  an  organized  EMRS.  Its  cross‐subsidization  business  model  charges  individuals 
according to the requested hospital with public being cheaper then private. During the Mumbai attacks in 2008, 
1298  was  a  first  responder,  subsequently  resulting  in  contracts  from  state  governments  to  provide  emergency 
medical services and transportation to poor individuals who cannot afford to pay for such services (E17).  

Point of Emergency Care Support 

Mobile  phones  are  often  highlighted  for  their  potential  in  improving  response  times  to  emergencies  and 
coordination  of  emergency  support.  Studies  investigating  the  use  of  mobile  images  and  multimedia  message 
service (MMS) for tele‐consultation purposes during emergencies showed mixed results when testing for accurate 
diagnoses, but confirmed the ease of use, low cost, and high portability (E12, E15, E18, E19). Hsieh et al. studied 
the feasibility of tele‐consultation with a mobile camera phone for diagnosis of soft‐tissue injuries in Taiwan from 
January  to  May  2003  in  45  patients.  It  found  15%  discordance  between  the  tele‐consultation  triage  and  actual 
treatment by a surgeon due to the inability to show instances of tiny exposed digital bone or tendon in the low‐
resolution  image.  Authors  noted  that  the  system  would  be  feasible  if  accompanied  with  online  or  telephone 
communication, in addition to more advanced mobile technology (E18). 

Tsai  et  al.  also  conducted  a  feasibility  study  in  Taiwan  for  tele‐consultation  using  a  mobile  camera  phone  for 
remote  management  of  an  extremity  wound  in  60  patients  between  January  and  August  2003.  Three  surgeons 

  46 
conducted  evaluation  of  the  images  and  found  agreement  in  descriptions  of  gangrene,  necrosis,  erythema  and 
cellulitis  in  80,  76,  66,  and  74%  of  cases  respectively.  Gangrene  had  the  highest  agreement,  sensitivity,  and 
specificity,  likely  the  result  of  its  distinct  color,  while  erythema  had  the  lowest.  The  authors  concluded  that  the 
mobile camera phone was a feasible option in comparison to expensive telemedicine systems, although advanced 
mobile technology would be more beneficial. Accurate diagnoses are limited by the inability to touch, smell, and 
measure the temperature of the wound (E19).  

Using  the  mobile  camera  phone  for  tele‐consultation  in  LMICs,  between  rural  and  urban  physicians  or  between 
high‐income  country  and  LMIC  physicians,  is  a  feasible  option  in  comparison  to  costly  telemedicine  systems. 
However,  guidelines  on  its  applicable  use  should  be  further  defined  as  results  between  medical  disciplines  vary. 
The  use  of  mobile  phone  video  functionality  has  the  potential  to  increase  access  to  accurate  emergency  care  in 
LMICs, overcoming the barriers of distance to health care facilities and the lack of specialists in rural areas. While 
some  of  the  studies  reviewed  utilized  mobile  phones  with  cameras  and/or  video  capabilities,  there  was  concern 
over the quality and size of the images and screen shot size (E18). There is also the barrier of affordability of such 
mobile devices in LMICs. However, with advances in mobile technologies and companies creating more affordable 
phones, mobile phones with camera and video may produce clinic‐quality visual content and be supported by 3G 
networks. 

Telemedicine  

Rural  areas  and  community  hospitals  and  clinics  throughout  the  world  have  limited  or  no  availability  of  medical 
specialists.  As a  result,  the use  of telemedicine  in  early  diagnosis  of  remote patients has  been  widely  studied by 
researchers, mostly in the United States—particularly in relation to stroke patients (E9, E20, E21, E22, E23). Studies 
assessed  the  agreement  between  traditional  and  telemedicine‐enabled  consultations  for  the  delivery  of  stroke 
care, and the difference between telephone and video use.  

A review of the evidence for use of telemedicine in stroke care was conducted by the American Heart Association 
and found the highest level of evidence (Class 1, Evidence Level A) to support the use of this technology in cases 
where a stroke specialist was not available for a bedside consultation. The evidence found varying results in the 
effectiveness of telephone versus bedside consultations (Class 2b, Evidence Level C) (E23).  

Duchesne et al. studied patient outcomes and the management of patient transfer between seven rural hospitals 
and  an  urban‐based  trauma  center  using  a  telemedicine  system  in  Mississippi.  In  five  years,  814  traumatically 
injured patients were presented at the rural hospitals. Of this sample, 351 patients were directly transferred to the 
trauma  center  with  out  a  consultation,  and  463  patients  were  assessed  through  a  telemedicine  consultation.  Of 
these, 51 were transferred to the trauma center after consultation. The remaining 412 patients were treated at the 
rural  hospital,  saving  the  time  and  expense  of  being  transferred  to  the  trauma  center.  When  patient  files  were 
reviewed  afterwards,  it  was  found  that  patients  directly  transferred  without  a  consultation  (n=351)  were  more 
severely injured then those for whom a consultation was undertaken (n=463), validating the need for immediate 

  47 
transfer to the trauma center. The implementation of the system significantly reduced hospital costs ($1,126,683 
versus $7,632,624), and was overall found to increase trauma capacity at rural hospitals, and conserved resources 
at trauma centers by avoiding unnecessary transfers (E24).  

In LMICs, the implementation of hub and spoke telemedicine networks could be used to support more prevalent 
time‐sensitive  health  conditions—such  as  HIV/AIDS  and  tuberculosis—to  overcome  the  shortage  in  human 
resources and specialists. The evidence from tele‐consultation for stroke and trauma networks demonstrates the 
effectiveness of using  video to diagnose  patients  in  an  emergency, in  the  event  that  a face‐to‐face  option  is  not 
available.  

Remote Patient Monitoring and Emergency Alert Systems  

In Taiwan, a remote patient monitoring (RPM) system for elderly patients suffering from dementia uses wearable 
sensors  and  in‐home  wireless  sensor  networks  and  radio‐frequency  identification  (RFID),  GPS,  GSM,  and 
geographic information system (GIS) technology. Access to a patient’s location is constantly available and messages 
to health providers and family members are triggered in case of an emergency. The study found high accuracy in 
location  data  after  conducting  320  tests  in  three  locations  at  four  different  time  periods.  However,  during  bad 
weather, GPS technology was found to not be as effective (E4). Similarly Chien‐Chih Lai et al. developed a system in 
Taiwan  that  constantly  monitors  a  patient’s  echo‐cardiogram  (ECG)  through  wearable  sensors  and  in‐home 
wireless sensor networks (E6). Also in Singapore, a study of remote patient tracking leveraged telecommunications 
infrastructure  to  capture  location  data  from  hybrid  GPS/GSM  wearable  sensors  with  pre‐programmed  alert 
mechanisms  (E3).  Wearable  sensors  have  benefits  in  comparison  to  mobile  phones;  they  are  not  bulky,  easy  to 
wear, require no technological know‐how, and can be pre‐programmed to send out emergency alerts.  

By  contrast,  in  Taiwan  a  more  basic  RPM  system  uses  a  blue  tooth‐enabled  mobile  phone  and  wireless‐enabled 
hema‐dynamometer  to  process  signals  such  as  blood  pressure  and  pulse  rate.  Mobile  phones  are  programmed 
with a physiological signal recognition algorithm that alerts health care providers and family members with an SMS 
signal in case of an emergency. Since the mobile phone is simply a processing centre, battery life is conserved (E7). 
This  decentralized  model  would  also  be  effective  in  low‐  and  middle‐income  areas  where  there  are  significant 
human resource shortages, particularly in remote settings. 

Natural Disaster Management and Recovery  

The use of mobile phones in natural disaster management and recovery has been understood to be critical after 
experiences  during  the  Indian  Ocean  tsunami  in  2004,  Hurricane  Katrina  in  2005,  and  more  recently  in  the 
earthquakes  in  Haiti  and  Chile  demonstrated  its  value  (E25).  It  has  applications  as  a  complementary  (and  often 
sole)  communication  tool,  fundraising  tool,  and  data  collection  tool  and  should  be  considered  in  a  country’s 
disaster management plan. An effectiveness study of using mobile phones for disease surveillance was conducted 
following the Sichuan earthquake in China in 2008. Mobile phones were distributed to 495 local health agencies. 
Patients manually filled out paper forms, which were subsequently collected by epidemiologists, and sent to the 
  48 
national  database  via  SMS.  Overall,  38  infectious  diseases  were  identified  as  a  result  of  high  reporting  by  the 
agencies. There was a natural time delay as a result of responding to the disaster and guidelines for phone usage 
were  not  outlined,  leading  to  agencies  running out  of  phone  credit.  It was  suggested  that  reporting  should  start 
directly  with  the  physician  to  increase  efficiency,  in  addition  to  integrating  GPS  functionality  to  spatially  map 
reported diseases (E26).  

In 2005, the GSM Association released a report,  The Role of Mobiles in Disasters and Emergencies, that assessed 
the impact of mobile phones in recent large‐scale disasters. Its findings indicated that mobile phones play a critical 
role  in  decentralized  communication  during  the  four  phases  of  a  disaster:  early  warnings,  disaster  impact, 
immediate  aftermath,  and  recovery  and  fundraising.  his  is  especially  true  in  LMICs  where  there  are  few 
communication  resources.  However,  there  are  limitations  of  mobile  phones  during  a  disaster  that  include 
overloaded networks and mostly one‐way text message‐based communication. That being said, the evidence also 
showed  that  mobile  networks  can  be  easily  recovered  or  supplemented  with  emergency  base  units  following  a 
disaster. The rule of thumb should always be “text don’t talk” after a disaster, as transmitting an SMS or an email is 
faster and takes far less bandwidth. Mobilization of financial resources through SMS has shown to be an effective 
strategy for raising funds during the recovery phase, and was used to raise 27 million Euros for the United Nations 
Children’s Fund (UNICEF) in Italy after the tsunami in December 2004 (E25) and more recently in the case of the 
earthquakes in Haiti.  

Further,  the  UN  Foundation  and  Vodafone  Foundation  recently  released  a  report,  New  Technologies  in 
Emergencies  and  Conflicts,  that  describes,  through  a  series  of  case  studies,  the  application  of  technology  to 
increase  the  effectiveness  of  alerts,  preparedness,  response,  and  rebuilding  after  major  disasters  or  emergency 
situations. The use of mobile phones in the deployment of alert systems has been pursued more aggressively since 
the  Indian  Ocean  tsunami  in  2004.  This  has  resulted  in  the  revision  of  regulations  previously  hindering 
infrastructure  development,  the  creation  of  early  warning  systems,  and  the  increased  freedom  of  citizen‐driven 
information exchange. However, the latter has often been found to be prone to misinformation and propaganda.  
 
The report highlights three alert and preparedness systems deployed: Global Impact and Vulnerability Alert System 
(GIVAS), European Media Monitor (EMM), and the Emergency Preparedness Information Centre (EPIC). The United 
Nations established GIVAS to provide decision makers with real‐time information during a global crisis. The EMM 
monitors non‐static web content, with the ability to search over 4,000 websites, collect thousands of new articles 
daily in multiple languages, and subsequently categorize all of the information. Users can then customize their alert 
preferences,  and  receive  current  updates  through  email  or  SMS.  EPIC  will  focus  on  aggregating  regional  and 
country‐specific  data  on  activities  pertinent  to  humanitarian  workers,  so  information  can  be  easily  queried  and 
accessed on computers, mobile devices, and satellite phones. The report also discusses the potential of geospatial 
technologies in providing data to identify crisis patterns and show evidence of military preparations. For example, 
in  Sri  Lanka,  satellite  imagery  supported  and  provided  evidence  for  a  field  report  on  escalating  conflicts  and 
disasters in the region (E27). 

  49 
 
Another project, which has recently drawn significant attention as a result of its use to map crisis information after 
the earthquake that hit Haiti and Jamaica in 2010, is Ushahidi (E28). The open‐source platform maps information 
collected from citizens through SMS, reporting on supply needs, human rights abuses, conflicts, etc. The challenge 
with  this  platform  and  other  platforms  like  Twitter  that  rely  on  crowd‐sourced  information  is  developing  a 
systematic method for rapid verification of the incoming information.  
 
Organizations playing a coordinating role during a natural disaster that leverage mobile technology tools include 
Télécoms Sans Frontières (TSF), Global Disaster Alert and Coordination System (GDACS), and Innovative Support to 
Emergencies,  Diseases  and  Disasters  (InSTEDD).  TSF,  an  organization  founded  in  1988,  is  usually  one  of  the  first 
responders during an emergency or natural disaster. Their team is able to set up a telecommunication center in 
one to two days that includes a satellite receiver and mobile phones equipped with SIM cards. This is a vital need 
for on‐site relief agencies.  
 
Mobile  technologies,  such  as  the  mobile  payments  system  M‐PESA  and  mass  text  messaging  platform  Frontline 
SMS, have been used during post‐emergency rebuilding efforts. Other examples from the report include Souktel, 
which is a mobile service in Gaza that connects people with job opportunities and connects aid agencies with those 
who need assistance through SMS. LabourNet in Bangladesh registers users with a mobile phone for easy contact if 
a job opportunity becomes available. Registrations have doubled each year since its inception in 2004. The report’s 
key  recommendation  includes  the  reevaluation  of  regulations,  which  currently  act  as  a  barrier  to  developing 
comprehensive emergency response systems, in addition to increasing investment into the development of these 
systems (E27). 
 
An  alternative  study  conducted  by  Jagtman  investigates  a  different  approach  to  alerting  citizens  during  an 
emergency.  By  using  a  cell  broadcast  on  mobile  phones  as  a  supplementary  strategy  to  sirens,  there  is  an 
opportunity  to  deliver  a  sound  alert  alongside  textual  information.  SMS  messages  require  the  GSM  network  for 
transmission,  which  can  be  blocked  during  an  emergency,  whereas  cell  broadcasts  use  frequencies  that  are  not 
affected.  Three  mock  trials  were  conducted  from  2005  to  2007  for  four  to  six  weeks  involving  400  to  6,500 
subjects, specifically testing citizens receiving and responding to messages with a keyword to confirm action would 
be taken. Results were analyzed by the Delft University of Technology, and the study found that in 2005 and 2006 
only  46%  of  messages  were  correctly  dispatched,  in  comparison  to  very  few  errors  in  2007.  In  2006  and  2007, 
between one‐third and one‐half of the study sample responded to the text message within seven minutes. Given 
that the study was not conducted during a real emergency, the lack of panic could have affected this outcome. The 
challenge  for  mass  implementation  would  be  to  engage  telecom  operators  (who  incidentally  fear  a  widening 
definition of “emergency” justifying mandatory use of their networks by various levels of government), in addition 
to programming mobile phones to track data after the emergency (E29). Similarly another study of the use of SMS 
and  cell  broadcasting  during  an  emergency  suggests  that  SMS  should  be  used  to  reach  first  responders,  such  as 
journalists, government officials, and key informants, and that broadcasting information to mobile phones through 
  50 
the operators should be used for mass communication. The challenge with cell broadcasts is that individuals must 
have  the  feature  turned  on,  despite  little  knowledge  that  the  feature  exists.  The  authors  assert  that  multiple 
communication  mechanisms  are  required  during  an  emergency,  and  that  SMS  should  be  seen  as  one  part  of  a 
larger strategy, involving the Internet, radio, and television (E30). 

Barriers to and Gaps in the Use of Mobile Technologies in Emergencies 
The review of the use of mobile technologies in emergencies demonstrates that the study of mobile phones and 
EMRS is a relatively emergent field, beyond their well understood value in reporting emergencies and speeding the 
initial response through universal “N11” emergency numbers. No studies looking at the direct impact of mHealth in 
EMRS  in  a  LMIC  was  found,  outside  of  their  use  in  mitigating  the  effects  of  natural  disasters.  The  challenge  of 
studying EMRS is the nature of emergencies and the sensitivity of trying new technology when human lives are at 
stake.  Some  studies  conducted  mock  scenarios,  which  seemingly  eliminate  the  panic  and  chaotic  nature  that 
defines an emergency, and likely skew outcomes. Most studies investigating the use of mobile phone and wireless 
technologies for remote patient monitoring and point of care emergency response were either proposed systems 
(E3),  pilot  projects,  or  feasibility  studies  with  small  sample  sizes  (E10,  E11).  Almost  no  studies  had  conclusive 
clinical evidence (E19), making the advancement of implementation challenging.  

The  challenge  of  developing  a  comprehensive  EMRS  in  LMICs  is  that  it  involves  a  significant  capital  investment, 
namely  emergency  medical  vehicles  and  information  technology  systems  to  connect  moving  parts  (E16,  E31).  In 
high‐income  countries,  these  systems  are  mostly  in  place,1  and  as  a  result,  mobile  phones  are  able  to  enhance 
these  systems.  In  LMICs,  these  systems  usually  informal  or  privatized,  making  organized  coordination  efforts 
challenging.  Further,  studies  suggest  similar  challenges  for  countries  and  projects  that  want  to  engage  in 
telemedicine activities, given the large equipment requirements to facilitate videoconferencing between multiple 
locations  and  entities  (E20).  Even  hospitals  in  the  United  States  face  the  challenge  of  funding  these  expansions, 
relying  heavily  on  temporary  government  grants  and  subsidies  without a  sustainable business  model.  Moreover, 
while  mobile  phones  can  play  a  critical  role  in  communicating  information  during  an  emergency,  the  inevitable 
congestion of the network makes it an unreliable tool (E25, E29, E30).  

In order for EMRS to be effective, citizens must have knowledge of protocols to be observed during an emergency 
(E9), in addition to the meaning of an alert (E25, E29). In countries where systems are fragmented by informal and 
privatized systems, general knowledge of who to contact in the case of an emergency may be a challenge (E16). As 
parts of these systems come into place, it will be important to accompany them with social marketing campaigns.  

The technology proposed in some EMRS studies is advanced and complex, even for user adoption in high‐income 
countries.  Remote  patient  monitoring  systems  require  a  set‐up  of  wireless  sensor  networks  in  the  individual’s 

                                                      
1
 While the emergency systems in the United States have significant  human and physical resources, they are generally unable  to share 
information between segments of the response chain, reducing the effectiveness of information gained at a particular stage, e.g., 9‐1‐1 
emergency calls, emergency medical (ambulance) services, and emergency departments or trauma centers.  

  51 
home. Traditional systems require significant equipment and capital (E3, E4, E5, E6, E7). Further, studies leveraging 
basic  mobile  phone  functionalities  such  as  GPS,  video,  and  camera  were  found  to  still  require  improvement, 
challenged  by  accuracy  and  transmission  (E10,  E12,  E13,  E14,  E15,  E18,  E19).  Since  mobile  phones  have  been 
advancing rapidly, the field would benefit from repeating these studies with updated technology.  

The  cost  of  implementing  studies  to  evaluate  impacts  in  this  area  can  often  be  prohibitive,  requiring  the 
distribution  of  mobile  phones  to  all  study participants  (E26).  The  lack  of  data  interoperability  between  response 
elements makes end‐to‐end data collection and assembly costs significant, and usually prohibitive. Some programs 
that rely on grants are at risk of ending operations once the study is completed (E21). Further, the implementation 
of  technologically  advanced  systems  such  as  wireless  sensor  networks  and  telemedicine  systems  can  be  cost 
prohibitive  for  users  and  institutions  (E20,  E21).  Uptake  of  these  technologies  will  rest  heavily  on  the  industry’s 
ability to drive costs down and leverage existing infrastructure, as well as changes in reimbursement policies.  

In  relation  to  policy  development,  the  use  of  mobile  phones  for  sending  photo  images  has  yielded  inconclusive 
evidence. It appears the functionality works better in some fields of medicine in comparison to others, depending 
on the photographic detail required to make a diagnosis. Health care providers would benefit from guidelines that 
outline the acceptable use of mobile phones as an imaging device. 

  52 
MHEALTH B ARRIERS AND  G APS 
There are many opportunities within mHealth as highlighted throughout the literature. Many of the barriers to and 
gaps in mHealth scale and sustainability result from the lack of policies, strategies, and guidelines to better align 
international  and  national  health  priorities  with  the  opportunities  generated  by  the  expansion  of 
telecommunications infrastructure and the evolution of lower cost, more powerful handsets and more advanced 
mHealth applications and systems. Much of this is due to the limited knowledge of what works, how it works, and 
how much it costs. There are a number of challenges that ought to be acknowledged within the discussion of the 
barriers to and gaps in mHealth in LMICs.  

Cost‐Benefit  

The first challenge is examining benefit in relation to cost, both at the macro systems level as well as at the level of 
the individual citizen and healthcare provider. The research presented in this report has focused primarily on the 
health  benefits  generated  through  mobile  technology  and  makes  clear  that  there  is  little  evidence  of  the  health 
value of mHealth (and eHealth for that matter). On the cost side, there is a need to move from corporate social 
responsibility  (CSR),  in‐kind  support,  and  funding  for  pilot  projects  at  district  and  regional  levels,  to  national 
programming with defined targets. This will only be possible through well‐negotiated and informed public‐private 
partnerships  that  marry  political  will  and  national  health  infrastructure  with  telecommunications  core  business 
expertise and national telecommunications infrastructure in an effort to mesh the public interest in efficient and 
effective  public  health  and  health  service  delivery  with  private  sector  interests.  To  support  this,  appropriate 
economic  evaluation  studies  are  needed  to  develop  the  health  and  economic  value  chains  throughout  the 
continuum of care. Understanding the overall values created by applying modern ICT, especially mHealth, will allow 
the  parties  to  then  have  a  better  understanding  of  the  individual  roles  of  the  private  sector,  public  sector,  and 
governments,  in  addition  to  partnerships  and  hybrid  models  that  exist  between  them.  Examples  of  south‐south 
collaborations have been shown to support the development of mHealth solutions that are more sustainable and 
culturally  appropriate  (F3).  Project  Masiluleke,  based  in  South  Africa,  brought  together  mobile  phone  operator 
MTN,  public  sector  organizations  National  AIDS  Helpline  and  National  Geographic  Society,  and  handset 
manufacturer Nokia, to launch a mass awareness campaign on HIV/AIDS.  

Access to and delivery of health services in many LMICs is complex, and the introduction of ICT solutions may not 
be seen as a critical priority. This particular challenge highlights the need to show the contribution that technology 
can  make  toward  addressing  key  health  priorities  and  the  efficiencies  and  cost‐benefits  they  generate.  mHealth 
project impact must be assessed not only by touting uptake, usage, and the potential of a particular technology, 
but  also  by  specifically  addressing  how  the  technology  is  affecting  people’s  behaviors  and  health  outcomes  and 
lives in both positive and negative ways so that appropriate investments can be made. 

Architecture, Standardization, and Platforms 

As  illustrated  throughout  the  white  paper,  there  are  many  mHealth  applications  systems  and  platforms  in 
  53 
development and use throughout the world: both open source and proprietary.  At present, there is no common 
architecture  for  mHealth.  Indeed,  there  is  no  common  architecture  for  eHealth.  A  key  challenge  is  that  there  is 
almost  never  a  single  “owner”  of  all  of  the  elements  within  a  health  system  who  can  require  an  overall, 
interoperable  approach.  Movements  toward  a  single  “owner”  are  occurring  in  several  LMICs  through  the 
development  of  eHealth  strategies,  councils,  and  enterprise  architectures;  however,  the  multiplicity  of  countries 
would  guarantee  an  inability to  gain  the  benefits  of  information  interoperability between  countries  unless  some 
basic  standards  for  interoperability  and  information  are  developed  and  used  to  drive  national  e‐  and  mHealth 
implementations. What is needed is a common technical architecture that enables interoperability and scale, while 
enhancing country ownership and control of policy, business rules, information flow, and the like. There is a clear 
need  for  an  agreed‐on  mHealth  and  eHealth  technical  architecture,  including  data  exchange  standards,  to 
overcome the barriers to integration and interoperability in the overall health system that are epitomized by the 
inability of these related systems to contribute to and derive information from one another. A fundamental aspect 
of  this  problem  is  the  growth  of  mHealth‐supported  initiatives  and  eHealth‐supported  initiatives  that  are  not 
integrated with relevant national health systems or priorities for multiple points of access. In many cases, due to 
vertical funding programs, they have been developed only for a specific disease (e.g., HIV/AIDs) and cannot be used 
to support other health conditions or primary health care in general.  

In this respect, LIMCs are at a critical impasse. ICT generally and mobile solutions specifically are just beginning to 
be  used  in these  countries,  albeit  almost  invariably  in  uncoordinated,  non‐interoperable  ways.  The  present path 
leads to the current state of health information technology (IT) in the United States and other developed countries: 
large IT implementations with interoperability problems and major difficulties in deriving the full benefits from a 
new, highly disruptive technology like mHealth. In the developed world we are now paying an enormous price to 
create interoperability and standards, and impose them on resistant legacy infrastructures and political and service 
delivery environments. 

High‐income countries and LMICs alike are facing similar challenges, including integration of complex software and 
networks,  human  resource  coordination  and  training,  and  confidentiality  enforcement  while  allowing 
interoperability.  Billions  of  dollars  are  now  being  spent  in  the  United  States  to  try  to  overcome  this  legacy  of 
individual  proprietary  health  IT  development  and  implementation.  LMICs  have  an  opportunity  to  learn  from  the 
case  of  the  United  States  and  Western  Europe.  As  part  of  their  health  systems  strengthening  efforts,  LMICs  can 
develop policies and enterprise architectures to guide and inform the deployment of small‐ and large‐scale health 
IT systems in a way to ensure contributions to health‐related Millennium Development Goals and national health 
priorities, while optimizing conditions for scale and sustainability. What is lacking is a guide for countries on how to 
integrate  mHealth  into  existing  eHealth  and  overarching  health  and  ICT  policies  and  then  how  to  practically  put 
such policies into operation. Also lacking is a global program to develop such a guide. There have been halting steps 
toward this, but many of them have been country and/or disease specific.  

We  need  to  start  by  thinking  of  health  as  an  overall  project  or  “enterprise”  or  “eco‐system”  with  many 
stakeholders. A system that is tailored to facilitate the achievement of an agreed set of health objectives is needed 
  54 
to identify the requirements for this “virtual enterprise.” From those requirements a common architectural design 
that  can  scale  can  be  developed  and  implemented that  shares  as  much  technological  hardware  and  software  as 
possible between countries, while enhancing individual countries’ control of policies, information distribution, and 
content.  

An architecture of this kind would identify where and what standards for information exchange are needed. There 
are  valuable  current  standards  efforts  underway  by  groups  and  communities  such  as  the  Continua  Alliance, 
OpenROSA, OpenMRS, and the Open Mobile Consortium (OMC). An accepted architecture would provide a context 
for  their  standards  work.  We  note  that  these  groups  are  not  internationally  recognized  standards  development 
organizations  (SDOs).  Efforts  to  establish  interoperability standards  by groups  such  as  International  Organization 
for  Standardization  (ISO),  Health  Level  Seven  International  (HL7)  and  the  supporting  U.S.  Health  Information 
Technology Standards Panel (HITSP), are excruciatingly slow, and focused entirely on high‐resource settings in high‐
income countries. While it is in the wireless industry’s interest to help solve this problem, because of the significant 
growth in wireless demand that mHealth interoperability solutions would create, they are not equipped to define 
the standards themselves—particularly those related to health.  

POLICY BARRIERS 
Beyond the effective use of mobile technologies by the health sector is a broader discussion of the mHealth policy 
environment that encourages deployment, supports it financially, governs utilization, recognizes it as a legitimate 
medical  service,  and  advances  the  interests  of  both  health  workers  and  citizens.  Policy  makers  and  other 
stakeholders are moving and need to continue to move from technology‐driven approaches (solutions in search of 
problems)  to  health  sector‐driven  demand.  To  date,  there  are  few  national  eGovernment,  eHealth,  and  health 
information  systems  (HIS)  policies  that  take  into  account  the  increasing  access  to  telecommunications 
infrastructure and availability of mHealth solutions. Practitioners feel that the pace and demand of mHealth on the 
ground is not being met by enabling policy, funding, and regulations at national and institutional levels. The more 
typical  approach  by  governments  in  the  developing  world  is  to  believe  that  they  must  wait  for  the  delivery  of 
broadband  before  major  health  benefits  can  follow.  This  creates  an  enormous  investment  barrier  to  the 
deployment  of  eHealth,  a  barrier  that  is  simply  unnecessary  given  the  widespread  and  rapid  deployment  of 
commercial wireless networks almost invariably using solely private funds built on market penetration. 

To help support the transition to scale, policies are needed to coordinate the objectives of mHealth initiatives with 
nationally  defined  goals  and  objectives.  These  should  be  based  on  the  growing  evidence  as  exhibited  in  this 
analysis of peer‐reviewed literature on mHealth as well as frameworks that help link national priorities to proven 
mHealth solutions with the potential to scale, while fostering an environment for informed innovation to continue 
to  generate  novel  mHealth  approaches  to  addressing  health  issues.  As  will  be  discussed  in  more  detail  in  the 
section  to  follow,  more  rigorous  research  to  evaluate  costs  and  benefits,  quality  of  care,  and  impact  on  health 
outcomes is needed to fully enable governments to make well‐informed investments in mHealth. Similarly, there 
  55 
needs  to  be  more  evidence  of  the  business  value  of  mHealth  to  drive  private  investments.  The  absence  of  such 
policies and related studies hampers mHealth scale and sustainability. 

The  global  health  objectives  and  policies  that  are  most  affected  by  and  that  can  help  drive  mHealth  scale  and 
sustainability are outlined below, in addition to suggestions and considerations on how they should be shaped.  

Table 2: Summary of mHealth‐related policy barriers 

Lead actor 
Major policy barriers  Potential benefits from policy reform 
(other stakeholders) 
Network coverage    Telecom Operators    Encourage private sector to deploy transport 
 Network Manufacturers   capacity allowing Increased scope of 
 Government  mHealth initiatives in rural and low‐income 
communities  
ICT rights and regulation    eGoverment (usually based   Social priorities for use of ICTs 
within the Ministry of   Broader guidelines defining identification, 
Communication or ICT)   security, confidentiality  

National health priorities    National Ministry of Health    Alignment of mHealth initiatives with 

 eGovernment   broader health system goals  
Global eHealth and mHealth architecture,   United Nations and agencies   Cooperative environment needed to find and 
interoperability enabling services, and   Donors  address common requirements, design, 
standards   Governments  shared systems and services, standards, and 
 Wireless and IT industries  the like 
 SDOs   Show how common ICT architecture enables 
greater national control over health care 
delivery, outcomes, and costs 
Acquiring systems that comply with   Government    Foundation for a cohesive national health 
architecture and interoperability   Ministries of Health   information system, including eHealth and 
standards    Donors  mHealth  
 Stop funding lack of interoperability; insist 
vendors comply with architecture and 
standards 
Personal ID    Government    Crucial for Electronic Health Records (and 
 Health Information Systems   mBanking) 
 Systems integration 
 Better care and treatment from being able to 
access patient health profiles from multiple 
touch points  
Developing policies for use of systems and   National Governments   Provides country ownership of what 
data that are effective, efficient, secure,   Provincial Governments  counts—use—while gaining benefits of 
and responsive to local needs  global technical market 

  56 
 Management of core services: identity,   Government    Increased trust from community  
access control, registries of parties    Non‐profit stakeholder   Increased adoption of mHealth and eHealth 
collectives 
Data rights and governance    Government    Maintaining integrity of data collected using 
 National Ministry of Health   mHealth initiatives 
 Health Information Systems    Ensuring data is used to benefit the 
communities it is collected from  
Medical advice liability    National Ministry of Health and   Patient and professional protection  
Legislatures    Liability protection when protocols are 
followed 
 Increased trust  
 Governance of using mobile technology and 
ICTs to deploy medical advice  
Telemedicine    National Ministry of Health    Capitalize on the opportunity to use 
 Health Information Systems   telemedicine to overcome human resource 
 eHealth   challenges in developing countries and rural 
areas  
 Increased patient care from increased access 
to medical advice using mobiles  
Access to health information    eGovernment    Increased commitment to developing in‐
 Health Information Systems   country ICT infrastructure as a pathway to 
 National Ministry of Health  accessing health information  
Public‐Private Partnerships Codes of   Government    Developing success models where public and 
Practice or Rules for Engagement   Telecom Operators, IT operators   business interests are both served  
 Device Manufacturers    Seek ways to increase entrepreneurial and 
 NGOs; Donors; Foundations   commercial investment and solutions for 
mHealth, while maintaining openness to 
ensure equitable access to services in a cost‐
beneficial manner 
National mHealth initiative guidelines    National Ministry of Health    Requirement for mHealth pre‐
 NGOs; Donors; Foundations  implementation analysis to ensure initiatives 
 ICT leaders   align with national health goals and include 
strategy for monitoring and evaluation  
Standardized metrics    Academic experts    Consensus on common metrics  
 Business experts    Opportunity to compare effectiveness of 
mHealth initiatives across geographies and 
health verticals  
 

  57 
Millennium Development Goals (MDGs) 

In 2005, the United Nations Millennium Project identified practical ways to achieve the MDGs, however, questions 
arose regarding sub‐Saharan Africa’s ability to achieve the targets given its low food productivity, heavy burden of 
infectious  disease,  and  insufficient  core  infrastructure—including  water,  roads,  power,  and  telecommunications. 
The key MDGs for health focus on reducing maternal and child mortality and improving the health of women and 
children  alongside  reducing  the  burden  of  what  are  known  as  the  diseases  of  poverty,  namely  HIV  and  AIDS, 
malaria, and tuberculosis. Many of the mHealth interventions described throughout this white paper address the 
MDGs. However, there has been limited concerted effort devoted to setting targets for how many people can be 
reached or what intermediate health outcomes can be attained. As part of our work at the Earth Institute with the 
Millennium  Villages  Project,  we  have  developed  a  framework  for  exploration  of  the  critical  pathways  between 
mHealth interventions and inputs and the MDGs at the patient level as well as in relation to health professionals. 
Within  the  international  health  community,  mHealth  has  the  potential  to  increase  reach  and  improve  quality  of 
services and prevention efforts aimed at the accelerated achievement of the MDGs. Institutions such as WHO, ITU, 
GSM  Association,  and  World  Bank  along  with  the  mHealth  Alliance  and  Digital  Health  Initiative  should  work 
together  to  develop  a  framework  to  guide  national  level  mHealth  efforts  that  aim  to  leverage mobile  and  other 
electronic systems to accelerate the achievement of clearly articulated sub‐targets within the MDGs.  

National Policies   

At the national level, many governments have a broad range of policies that can be leveraged to drive and guide 
mHealth implementations, beginning with eGovernment, Health Strategic Plans, eHealth, and Health Information 
Systems, among others. mHealth should be considered as part of the overall eGovernment and eHealth/HIS policy 
frameworks,  which  often  define  broad  parameters  including  identification,  security,  and  network  reach  and 
highlight social priorities for the use of ICTs including education and health. Commercial wireless signal coverage is 
being rapidly extended to more and more rural areas, whereby over 90% of the world’s population is now covered 
and  the  percentage  is  rising  rapidly.  However,  the  continuing  lack  of  universal  coverage  in  some  rural  areas 
weakens the ability to implement mHealth initiatives at a national scale. While pure market forces have driven, and 
continue  to  drive,  the  global  wireless  explosion  almost  entirely,  it  is  likely  that  some  government  incentives  to 
extend network coverage may be required to ensure coverage for remote populations where such services stand to 
have the greatest impact.  

It is highly desirable to begin conversations with operators, manufacturers, governments, and users to determine 
how market‐based approaches to usage and fixed pricing for voice and data services can be leveraged to meet the 
needs of all relevant stakeholders. For example, wireless carriers in the United States and other countries had great 
success  giving  away  handsets  and  making  emergency  calls  (to  9‐1‐1  in  the  US)  free.  It  is  conceptually 
straightforward to see how providing smart phones to community health workers for free or at reduced rates could 

  58 
help create broader demand for them. Similarly, carriers could encourage acquisition of phones by the public by 
providing free or reduced rate calls to or for medical personnel (or governments could contribute to the reduced 
rate through fixed payments to carriers). Social marketing of mHealth services and building fixed pricing structures 
to eliminate surprises for governments need to be explored and tested to ensure sustainability and a win‐win for 
industry and the public sector.  

Enabling  policies  that  minimize  entrepreneurial  risk  and  maximize  reward  for  telecom  operators  will  help  spur 
market‐driven solutions for mHealth, similar to the development and success of mobile banking systems such as m‐
PESA.  Commercial  solutions  that  are  affordable  and  accessible  will  reach  scale  and  sustainability  by  providing 
customer‐defined  value.  Currently,  governments  are  relying  on  NGOs  to  test  how  mHealth  works  and  fits  into 
national systems. The risk with this approach is that if mHealth is seen as being largely driven by external forces, 
then it may begin to be perceived as a technology searching for problems, and foisted on governments as another 
expensive, hyped, “silver bullet” that does not fulfill expectations. Instead mHealth should be driven by a country’s 
health priorities and targets so that donors and mHealth implementers are collectively contributing to them in a 
systematic  and  structured  fashion.  Similarly,  it  may  be  driven  by  the  private  sector.  Much  of  health  care  in  the 
developing  world  is  private  (even  in  rural  areas,  such  as  those  in  India,  where  out  of  pocket  expenses  are  the 
largest  single  source  of  health  payments).  Governments  should  consider  encouraging  private  employers,  private 
providers, and operators to work with NGOs, health experts, and others to develop, trial, and evaluate solutions 
with an emphasis on costs and benefits to assess mHealth value.  

Global  policies  are  needed  to  establish  data  and  interoperability  standards  for  mHealth  and  eHealth 
implementations. Standards and other IT elements of scale simply cannot be done country by country. Policy, rules, 
finance,  and  content  generally  must be developed  at  the  country  level. Where  countries are developing  eHealth 
plans, mHealth ought to be included. It does not make sense to develop mHealth and eHealth into different silos. 
Using  the  mHealth  Alliance  and  other  collaborations,  such  as  the  Digital  Health  Initiative,  as  a  platform  for 
collaboration  between  international  bodies,  national  governments,  practitioners,  and  the  private  sector  to  draft 
the  international  policies  needed  to  better  inform  architecture,  standardization,  information  security,  and 
telecommunications legislation is critical to accelerate progress. It is also important to consider the end‐user during 
policy development, engaging community members for more human‐centered policy development.  

Within  such policies,  issues  such as  data  security, access  control,  and  thus  confidentiality  must be  addressed  (as 
they have been for mFinance). The development of personal identity systems for the public in LMICs is crucial for 
developing  integrated  systems  across  local,  regional,  and  national  health  boundaries,  in  addition  to  making 
electronic  health  records  securely  accessible  through  multiple  platforms  (i.e.,  mobile,  computer).  However,  this 
shift  will  have  to  be  accompanied  with  an  agreement  on  how  to  address  systems  for  identity  management  and 
security. Mobile phones in LMICs are often shared among household members, meaning the device itself cannot 
be counted on as the identifier. Discussions regarding the intersection of mFinance and mHealth should be given 
high  priority because  they  may  yield  common  policy  and  technological  solutions  to  address  such  concerns—and 
provide a stronger business and sustainability case for mHealth.  
  59 
As the deployment of more formalized mobile technology‐enabled telemedicine expands, policies and legislation 
are needed to define liability when delivering health information and medical advice using voice and text as well as 
other mobile phone functionality such as SMS, video, camera, remote patient monitoring devices, and payments. 
Telemedicine  technology  and  capacity  has  advanced  in  countries  such  as  Malaysia  and  India,  and  while  some 
countries have developed policies and legislation to govern its use, the need for liability and malpractice guidelines 
are  crucial  for  scale  and  sustainability.  This  was  shown  in  the  case  of  Thailand,  where  the  lack  of  telemedicine 
policies inhibited the scale‐up of mHealth applications related to emergencies. A central way to address such issues 
is to develop global (or at least regional or national) templates and protocols.  

An  area  that  needs  further  exploration  is  the  obligation  of  governments  and  the  international  community  to 
promote access to health information by citizens as a key determinant of the right to health. Work in this area is 
now being undertaken by the Healthcare Information For All by 2015 initiatives in partnership with the New York 
University Law School. The updated review illustrated that data being collected through mobile initiatives is only 
going one way and generally through one operator at a time, with few examples of how it is being used to benefit 
individuals  or  their  communities.  Questions  surrounding  the  rights  to  health  information  should  be  addressed 
under  this  policy framework,  in  addition  to  issues  regarding  information  usage.  This  is  essential  to  building  trust 
within communities, as there are cultural distinctions about how personal health information is viewed, along with 
fears as to how it might be used by authoritarian governments. Taking this into account during the deployment of 
initiatives and research studies is imperative to honor the integrity of individuals and communities. Efforts should 
be  made  to  streamline  access  to  information  through  a  common  set  of  short‐codes  for  voice  and  text‐based 
mHealth  services  to  advance  universal  access  and  to  increase  bandwidth  for  mobile  broadband  services  to 
minimize the burden of multiple SIM cards to access each mHealth platform through a separate network operator.  

Further, as the field continues to accelerate, increased investment in the development of a workforce to support 
mHealth  initiatives  will be  critical  for  sustainability.  This  includes engaging  institutions  and  academics  to  support 
the  development  of  training  programs  for  project  managers,  health  informatics  specialists,  and  application 
developers to name a few.  

When  making  budgetary  decisions  regarding  mHealth,  governments,  donors,  and  industry  partners  will  need  to 
become acquainted with their respective roles and strengths in driving scale and sustainability. There is significant 
untapped expertise within the telecommunications and IT industries in how best to leverage networks and deploy 
applications  at  scales  that  governments  could  benefit  from.  However,  governments  and  health  experts  must  be 
clear about their needs and desired outcomes to negotiate partnerships and drive and hold industry accountable to 
its  commitments.  Public‐private  partnerships  must  strike  a  balance  between  the  promotion  of  entrepreneurship 
locally  and  regulation  of  healthcare  to  maintain  the  integrity  of  its  patients’  security  and  health.  Increasingly, 
discussions on rules of engagement for telecommunications companies in health activities are emerging, indicating 
a need for guidelines that can facilitate relations and negotiations between public and private partners. Some basic 
recommendations for overcoming the absence of a policy framework and guidelines for mHealth include: 

  60 
 Map  a  country’s  public  and  private  health  system  alongside  telecommunications  and  ICT  infrastructure  and 
services  in  its  entirety, including  all  the  stakeholders  and  participants,  not  just  the  formal  providers  of  acute 
care and public health, and how they can be leveraged to address targeted health priorities. This can be called a 
virtual enterprise because it has no single owner.  

 Ensure that new and existing mHealth initiatives contribute to health priorities and conform to existing policies. 
In other words: What are the requirements of this virtual enterprise and how should each stakeholder position 
itself to make a meaningful contribution?  

 Develop  the  basic  skeleton  of  an  enterprise  architecture  and  data  integration  standards  based  on 
internationally recognized platforms and standards in response to identified priorities and requirements. 

 Focus national attention on content, use rules, and policy, i.e., the use of underlying ICT infrastructure. 

 Identify policy gaps and initiate efforts to address them.  

 Develop solutions that leverage existing infrastructure and knowledge and comply with international standards. 

 Conduct pre‐implementation analysis and adapt software solutions based on priorities, context, and available 
infrastructure and resources. 

 Develop  consensus  on  a  “priority  package”  of  mHealth  services  for  a  national  government  to  adopt  at  the 
outset and how to phase in additional services over time.  

 Develop and commission research studies and metrics to explore the health impact and value of mHealth, using 
metrics  identified  in  the  international  community  for  comparisons  across  countries  and  types  of  mHealth 
applications. 

Specifically,  governments,  donors,  and  implementing  partners  in  the  private  sector  and  within  NGOs  can  work 
collaboratively to help foster coherence within mHealth and contribute to the growing evidence base by aligning 
on implementation guidelines such as:  

 Requiring  that  organizations  developing  software  solutions  comply  with  global  and  countries’  enterprise 
architectures  to  ensure  that  systems  can  be  integrated  and  are  interoperable,  and  that  they  align  with  a 
country’s national health priorities, context, available infrastructure, and resources.  

 Being  open  to  agile  research  design,  but  ensuring  the  study  is  replicable  and  includes  qualitative  and 
quantitative analysis and adequate sample sizes.  

 Promoting  standardized  metrics  so  that  project  champions  and  governments  can  compare  mHealth  projects 
within a country and between countries on specific health domains to better understand the value and impact 
of each.  
  61 
 Creating a collaborative environment where plans, projects, successes, and failures can be shared globally.  

mHealth  is  dynamically  shifting  from  pilots  to  integration  and  mainstreaming  into  existing  health  systems 
strengthening  and  other  health‐related  initiatives,  including  the  accelerated  achievement  of  the  MDGs.  Since 
measuring impact is challenging for short periods of time or with small, point‐solution projects, the movement to 
scale poses an opportunity to quantify impact. The excitement about mHealth is based on its potential to improve 
health and reach people who have been beyond the reach of traditional, facilities‐based approaches. It will become 
more  and  more  important  to  identify  policy  gaps  and  develop  guidelines  that  will  govern  the  use  of  mobile 
technology‐based solutions for health that link them to national and international targets such as the MDGs.  

  62 
RESEARCH GAPS 
The  emphasis  on  eliciting  research  gaps  as  highlighted  in peer‐reviewed  publications  was  a  significant departure 
from  other  mHealth  reports,  which  focused  on  program  and  applications  descriptions  with  very  little 
documentation of what does and does not work. While many claim that the evidence base for mHealth is weak due 
to the lack of published material on the subject, this review found that there is a rapidly growing body of literature 
on the subject. However, the geographic location, scope of the implementation, sample sizes, and methods used 
do  not  provide  statistically significant  results  that  would  inspire  governments,  industry,  and  donors  to  make  the 
investments  needed  to  truly  capitalize  on  the  reach  of  telecommunications  infrastructure  and  the  widespread 
uptake  of  services  in  LMICs.  Further,  a  large  portion  of  the  research  is  concentrated  on  initiatives  pertaining  to 
HIV/AIDS,  tuberculosis,  and  malaria,  as  a  result  of  available  funding.  While  important,  the  combination  of 
epidemiological shifts in developing countries with the vast potential of mHealth calls for a more inclusive research 
agenda with funding that supports varied initiatives. This section highlights some of the research gaps in mHealth 
that  need  to  be  overcome  to  solidify  the  evidence  base  for  more  informed  decision  making  by  potential 
stakeholders in the mHealth value chain. 
 
A  key  challenge  is  that  there  is  very  little  accountability  among  donors  to  show  what  works  among  mHealth 
implementations, as illustrated by the historic lack of funding for monitoring and evaluation. Those that need the 
evidence  to  invest  more  broadly  are  governments  and  companies,  while  those  investing  in  pilots  tend  to  be 
bilateral and private donors. With governments not involved in the project planning process, key decision makers 
are often unaware of the complete picture of mHealth activity across the country, making it difficult to draw upon 
evidence to inform planning and policy development. On the other hand, practitioners struggle with supporting the 
cost and resources required for monitoring and evaluation. Even further, the nature of the technology is such that 
by the time projects are completed and evaluations are conducted, the technology has changed, often resulting in 
outdated conclusions. As such both the evidence base and the business model for mHealth remain weak.  
 
In general, most projects implemented were pilots addressing a specific, single problem using a small population 
and  a  fixed  duration,  often  limited  to  one  to  two  years.  For  the  projects  that  integrated  a  research  component, 
mostly  in  high‐income  countries,  the  sample  sizes  ranged  from  5  to  200  individuals  and/or  were  implemented 
retrospectively  after  the  project  was  implemented.  Longer  duration  studies—those  that  were  implemented  for 
over one year—showed a substantial difference in health, standard of living, communication, and systemic change. 
Many  of  the  published  studies  employed  qualitative  study  design  parameters,  including  ethnographic  methods, 
interviews,  and  observations.  Those  using  quantitative  methods  varied  significantly  in  the  variables  under  study 
depending  on  the  mHealth  program  objectives  (i.e.,  treatment  compliance  versus  data  surveillance),  making  it 
difficult  to  make  comparisons  across  implementations.  Overall,  the  evidence  base  presented  fails  to  adequately 
reflect  how  mHealth  addresses  current  health  system  shortcomings  to  help  governments  achieve  overarching 
national health goals. In fact, the ease of use of mobile technology, and thus the ease of implementing studies, may 
prove  to  be  dangerous  from  a  research  perspective,  resulting  in  the  development  of  a  series  of  islands  versus 
  63 
coordinated efforts and systems.  

Furthermore,  many  of  the  studies  are  conducted  by  the  implementers  themselves  and  focus  on  users  and  user 
perceptions,  including  tracking  the  number  of  days  it  takes  for  a  user  to  utilize  all  the  functions  of  a  particular 
technology or how long it takes for them to figure out how to use a new application or system. In this vein, one 
must  differentiate  between  whether  the  results  of  a  study  are  statistically  significant  or  practically  significant.  It 
appears that researcher and practitioner activity are becoming increasingly separate, with practitioners focused on 
implementation and innovation, without any time or tradition of analysis, evaluation, and publication. Since many 
practitioners  come  from  a  technology  background,  in  comparison  to  academia  or  health,  the  skills  to  conduct 
rigorous impact  evaluation  and project  costing may  be  a  barrier,  and  thus  an  opportunity  for health  researchers 
and practitioners to collaborate for increased guidance.  
 
An  evidence  base  is  a  crucial  foundation  upon  which  to  build  a  public  health  intervention.  However,  more  agile 
research methods may be needed than the gold standard of randomized control trials that may sacrifice precious 
time in implementation and widespread rollout of an intervention with proven results from other types of study or 
a cross‐section of studies. Perhaps, there is a need for a systematic review of the literature that highlights where 
evaluation has been rigorous, and the types of evaluation methods employed in mHealth and ICT in general.  
 
In relation to targeted mHealth research, there is need for more: 

 Comparison studies (applications/technologies) to study effectiveness of technology for health intervention 
(e.g., SMS, voice, mobile for data collection)  

 Cross‐country  studies  (how  one  technology  works  in  a  couple  of  countries—what  is  similar,  what  is 
different)  

 Studies  that  show  the  role  of  integrated  technologies  (decision  support  tools,  data  collection  platforms, 
telemedicine,  electronic  medical  records,  community  engagement  platforms,  and  other  new  and  legacy 
systems connected to share information about a patient during the continuum of care, or among providers 
about their work) 

 Replicable study design, which includes quantitative and qualitative analysis, and adequate sample sizes  

 Rapid staged evaluations to assess the early effects of new applications 

 Long‐term studies that report tangible health and patient outcomes, and business outcomes  

 Cost‐benefit studies of all kinds, including for countries with national insurance schemes, to help make the 
case  for  provider  reimbursement,  in  addition  to  providing  evidence  to  governments  that  mHealth  is  an 
economic development strategy that can lead to job creation and entrepreneurship. Donors also need to 

  64 
 see  that  there  are  more  efficient  ways  to  spend  their  billions  of  dollars  worth  of  contributions  to  health 
initiatives in LMICs. 

 Standardized indicators  (process  and  outcome)  for  monitoring  and  evaluating  mHealth  effectiveness  and 
impact at different levels of the health system and among clients 

While  the  increase  in  the  past  year  of  studies  in  peer‐reviewed  journals  is  a  promising  trend  toward  better 
knowledge  of  what  works  and  why,  the  speculation  in  existing  reports  in  the  gray  literature  points  to  economic 
benefits  and  improving  health  outcomes  with  little  documentation  of  which  projects  and  what  characteristics 
result in such benefits.  

Ultimately,  fulfilling  these  research  needs  will  require  significant  funding  from  governments,  donors,  and  the 
private sector. To more strategically contribute to the growth of the industry, it has been suggested that funding 
partners for mHealth should each take on separate but coordinated roles. Government should focus on initiatives 
that align with health systems strengthening and have potential for integration within existing health information 
systems.  Donor  funding  should  complement  government  initiatives,  focusing  on  front  end  research  and 
development  to  produce  successes  that  governments  in  collaboration  with  others  can  scale.  Lastly, 
telecommunication  operators  and  device  manufacturers  should  support  funding  and  in‐kind  leveraging  of  their 
infrastructure and core business expertise for innovations in mHealth that have potential to be commercially viable 
with  adherence  to  some  basic  principles  of  corporate  engagement  and  advance  scale  and  sustainability. 
Additionally, creative ways to sustain funding for mHealth should be further explored. Some suggestions include 
allocating  funds  generated  from  mobile  spectrum  auctions,  allocating  a  portion  of  the  taxes  generated  through 
mobile services such as voice and other value‐added services, or allocating funds from the general budget of the 
national health insurer, if applicable.  

To  maximize  the  impact  of  this  proposed  funding  for  mHealth,  the  following  recommendations  should  be 
considered.  Firstly,  health  research  experts  from  across  the  globe  need  to  develop  a  consensus  on  research 
priorities in mHealth, in addition to advising on the methodologies, research designs, and metrics that should be 
employed for future studies. Secondly, partners need to create an environment that rewards open communication 
and sharing of successes and failures, without the fear of losing future funding opportunities. Sharing platforms will 
ensure interoperability and advance scale more rapidly, while openness about failures and lessons will allow the 
area to expand in depth and quality of services provided. Lastly, this review found significant duplication of efforts 
among mHealth projects, indicating the need for a clearinghouse of what works and what does not. Developing an 
“open  source”  approach  will  enable  individuals  to  learn  and  build  on  the  successes  and  failures  of  previous 
mHealth efforts.  

  65 
RECOMMENDATIONS AND CONSIDERATIONS   
The  following  recommendations  are  based  on  findings  from  the  review  and  suggestions  from  our  panel  of 
roundtable members and virtual reviewers.  

1. Collaboration  

a. If mHealth project ideas are developed in tandem with a support body from the Ministry of Health 
there  will  be  a  greater  likelihood that the  project  will  address  already  identified  needs.  Further, it 
will start the conversation to begin mobilizing greater support for mHealth at an institutional level, 
driving policy changes that need to take place for national scale.  

b. There  is  significant  duplication  of  efforts  among  mHealth  projects,  indicating  the  need  for  a 
clearinghouse of what works and what does not. This “open source” approach will enable individuals 
to learn and build on the successes and failures of previous mHealth efforts.  

c. There are clear synergies between mobile payment systems (mBanking) and mHealth, and each is 
likely to be an integral component of the other, especially since micropayments will be a significant 
method  of  payment  in  LMICs  without  a  pervasive  health  insurance  system.  Research  and  policy 
development should begin viewing mobile initiatives holistically, versus in silos.  

d. Using  the  mHealth  Alliance  and  other  collaborations,  such  as  the  Digital  Health  Initiative,  as  a 
platform  for  collaboration  between  international  bodies,  national  governments,  practitioners,  and 
the  private  sector  will  be  critical  to  draft  international  policies  pertaining  to  architecture, 
standardization, information security, and telecommunications legislation.  

e. Health research experts from across the globe need to develop a consensus on research priorities in 
mHealth, in addition to advising on the methodologies, research designs, and metrics that should be 
employed for future studies.  

2. Financing for mHealth 

a. Funding  partners  for  mHealth  should  each  take  on  separate  but  coordinated  roles  to  more 
strategically contribute to the growth of the industry. Government should focus on initiatives that 
align with health systems strengthening and have potential for integration within existing systems. 
Donor  funding  should  complement  government  initiatives,  focusing  on  front‐end  research  and 
development to produce successes that others can scale. Lastly, telecommunication operators and 
device manufacturers should support funding and in‐kind leveraging of their infrastructure and core 
business  expertise  for  innovations  in  mHealth  that  have  potential  to  be  commercially  viable  and 

  66 
 advance scale and sustainability.  

b. Creative ways to sustain funding for mHealth need to be further explored. Some suggestions include 
allocating  funds  generated  from  mobile  spectrum  auctions,  allocating  a  portion  of  the  taxes 
generated through mobile services such as voice and other value‐added services, or allocating funds 
from the general budget of the national health insurer, if applicable. 

c. A  strong  evidence base that  includes  cost‐benefit  studies  is  crucial  to  identifying  “mission  critical” 
mHealth  scenarios  and  applications  essential  for  LMICs,  and  subsequently  mobilizing  funds  to 
support these targeted initiatives.  

d. Funding partners need to create an environment that rewards open communication and sharing of 
successes and failures, without the fear of losing future funding opportunities. Sharing platforms will 
ensure interoperability and advance scale more rapidly, while openness about failures and lessons 
will allow the area to expand in depth and quality of services provided.  

e. Unless  sustainable  business  models  are  developed,  the  current  approach  of  donors  subsidizing 
provider costs will ultimately prevent projects from ever being financially capable of reaching scale, 
or remaining viable following the end of project funding. The need to engage business professionals 
to construct innovative business models that take into account the constraints of a country’s health 
system and a community’s purchasing power is crucial for sustainability.  

3. Infrastructure  

a. Increased coverage in rural areas, including faster networks, is critical to realizing the potential and 
scope of mHealth.  

b. High‐performance  devices  at  affordable  prices  for  Community  Health  Workers,  including  larger 
screens,  faster  processors,  and  increased  memory,  are  needed  to  support  the  capabilities  of 
applications. Further, the devices should account for security, imaging, and ruggedness to support 
the conditions of rural areas in developing countries.  

c. Consideration  of  investment  into  alternative  power  sources,  such  as  solar  panels  and  micro‐wind 
turbines,  will  help  overcome  the  barrier  of  having  charged  mobile  phones  that  are  reliable  in  a 
healthcare setting. 

4. Community Engagement  

a. Initiatives are being developed without the end‐user at the table. Taking more of a human‐centered 
approach  to  developing  mHealth  initiatives  will  be  crucial  for  sustained  demand,  and  can  be 
achieved by finding a balance of working with Ministries of Health in addition to local communities.  

  67 
 b. Developing  trust  among  consumers  and  communities  will  be  important  when  trying  to  engage  a 
large sample of research participants, in addition to creating sustained demand for scale. This will 
require conveying the benefits of mHealth initiatives, in addition to ensuring information is secure 
and  confidential.  In  LMICs,  where  some  health  conditions  are  stigmatized,  communicating  this  to 
communities will be crucial for support.  

c. Literacy,  language  barriers,  and  perceptions  about  western  medicine  are  factors  unique  to  each 
community, and should be addressed during the deployment of mHealth projects. 

5. Human Resources  

a. Additional  efforts  in  educating  health  professionals  about  the  potential  role  of  ICT  in  healthcare 
delivery  will  be  critical  for  mass  adoption.  These  must  be  focused  on  the  benefits  to  the 
professionals themselves. 

b. The sustainability of mHealth will weigh heavily on a workforce that is able to support it and use the 
tools  being  created.  Training  within  institutions  should  be  happening  concurrently  as  the  field 
advances, preempting the requirements when scale is achieved. This includes the need for project 
managers, health informatics specialists, and application developers, to name a few.  

6. Monitoring and Evaluation  

a. Evaluation  is  important,  but  can  be  expensive  until  integrated  information  systems  are  deployed 
(making  creation  of  data  to  study  a  byproduct  of  care  delivery).  Funding  mechanisms  need  to  be 
better  structured  to  include  high‐impact  monitoring  and  evaluation  requirements  and  support  for 
mHealth initiatives to ensure lessons can be extracted for the field as a whole.  

b. Guidance  on  how  to  conduct  rigorous  evaluation  and  research  on  mHealth  projects  in  a 
consolidated and accessible manner, that emphasizes “agile” research approaches, may be needed 
for the technical professionals in the mHealth community.  

  

  68 
CONCLUSION 
There is a growing body of evidence for what works within mHealth and where the underlying barriers to and gaps 
in  scale  and  sustainability  are  at  present.  Mobile  technologies  when  applied  to  addressing  health  issues  such  as 
treatment  compliance,  disease  prevention  and  health  promotion,  point‐of‐care  support  for  health  professionals 
and  outreach  workers,  telemedicine,  and  emergency  medical  services  are  beginning  to  gain  traction  and  show 
positive,  albeit  mixed  results.  Many  of  the  systems  have  been  implemented  and  evaluated  as  stand‐alone 
initiatives  at  too  small  a  scale  to  ascertain  health  impacts  and  value  for  investment.  For  mHealth  programs  to 
succeed, an enabling well‐informed policy and business environment that engages all relevant public and private 
health and IT stakeholders to drive scale and sustainability is needed. The potential of this technology will only be 
realized  if  a  systematic  approach  is  taken  to  integrate  all  its  moving  parts  and  direct  them  toward  concrete 
measurable health objectives and desired outcomes. Governments need to develop a strategic eHealth framework 
in which mHealth is an integral component in order to provide mHealth implementers in the NGO and private for‐
profit  sectors  more  guidance  when  implementing  projects  to  ensure  alignment  with  their  eGovernment,  health 
information  systems,  and  other  relevant  policies  and  aims  to  leverage  technology  for  public  good.  This  should 
include  national  health  priorities,  enterprise  architecture  for  interoperability  and  data  standards,  and  commonly 
used  metrics  evaluation  techniques  for  assessing  the  impact  of  mHealth.  A  proactive  cycle  of  strategy, 
implementation, and evaluation to in turn inform strategy at the global, national, regional, district, and community 
levels will generate the platform needed for implementation of more and better mHealth systems that generate 
health benefits for citizens and health workers in LMICs.  

  69 
REFERENCES BY THEMATIC AREA 
 

TREATMENT COMPLIANCE REFERENCES  
A1. Kaplan, W. “Can the ubiquitous power of mobile phones be used to improve health outcomes in developing countries?” 
Globalization and Health. 2006; 2(9):1‐14. 
A2. Cole‐Lewis, H., Kershaw, T. “Text messaging as a tool for behavior change in disease prevention and management.” 
Epidemiologic Reviews. 2010; doi: 10.1093/epirev/mxq004. 
A3. Ollivier, L., Romand, O., Marimoutou, C., Michel, R., Pognant, C., Todesco, A., et al. “Use of short message service (SMS) to 
improve malaria chemoprophylaxis compliance after returning from a malaria endemic area.” Malaria J. 23 Oct. 2009; 8:236. 
A4. Curioso, W.H., Kurth, A.E. “Access, use and perceptions regarding Internet, cell phones and PDAs as a means for health 
promotion for people living with HIV in Peru.” BMC Med. Inform. Decis. Mak. 2007 Sep 12; 7:24.  
A5. Curioso, W.H., Quistberg, D.A., Cabello, R., Gozzer, E., Garcia, P.J., Holmes, K.K., Kurth, A.E. “’It´s time for your life’: How should 
we remind patients to take medicines using short text messages?” AMIA Annu Symp Proc 2009;:129‐133. 
A6. Curioso WH, Gozzer E, Valderrama M, Rodriguez‐Abad J, Villena JE, Villena AE. “Understanding the potential role of cell phones 
and the Internet to support care for diabetic patients and caregivers in Peru”. AMIA Annu. Symp. Proc. 2009; 805.  
A7. Sahm, L., Maccurtain, A., Hayden, J., Roche, C., Richards, H.L. “Electronic reminders to improve medication adherence‐are they 
acceptable to the patient?” Pharm. World Sci. 2009; Sep 3.  
A8. Puccio, J.A., Belzer, M., Olson, J., Martinez, M., Salata, C., Tucker, D., et al. “The use of cell phone reminder calls for assisting HIV‐
infected adolescents and young adults to adhere to highly active antiretroviral therapy: a pilot study.” AIDS Patient Care STDS 
2006 Jun; 20(6):438‐444.  
A9. Strandbygaard, U., Thomsen, S.F., Backer, V. “A daily SMS reminder increases adherence to asthma treatment: a three‐month 
follow‐up study.” Respir Med. 2010 Feb; 104(2):166‐171.  
A10. Dwolatzky, B.,Trengove, E., Struthers, H., McIntyre, J.A., Martinson, N.A. "Linking the global positioning system (GPS) to a 
personal digital assistant (PDA) to support tuberculosis control in South Africa: a pilot study." International journal of health 
geographics. 2006 Aug 16; 5:34 
A11. Lester, R.T., Mills, E.J., Kariri, A., Ritvo, P., Chung, M., Jack, W., et al. “The HAART cell phone adherence trial (WelTel Kenya1): a 
randomized controlled trial protocol.” Trials 2009 Sep 22; 10:87.  
A12. Curioso, W.H. “Evaluation of a computer‐based system using cell‐phones for HIV people in Peru.” Reporter. US National 
Institutes of Health. Grant number: 1R01TW007896‐01, 2010. Available at: 
http://projectreporter.nih.gov/project_info_description.cfm?aid=7495168. 
A13. Benjamin, P. Personal Communication, February 2010. 
A14. Cocosila, M., Coursaris, C., Yuan, Y. “M‐healthcare for patient self‐management: a case for diabetics.” Int. J. Electron. Healthc. 
2004; 1(2):221‐241.  
A15. Cho, J.H., Lee, H.C., Lim, D.J., Kwon, H.S., Yoon, K.H. “Mobile communication using a mobile phone with a glucometer for glucose 
control in Type 2 patients with diabetes: as effective as an Internet‐based glucose monitoring system.” J. Telemed. Telecare 
2009; 15(2):77‐82.  
A16. Gammon, D., Arsand, E., Walseth, O.A., Andersson, N., Jenssen, M., Taylor, T. “Parent‐child interaction using a mobile and 
wireless system for blood glucose monitoring.” J. Med. Internet Res. 2005 Nov 21; 7(5):e57.  
A17. Hanauer, D.A., Wentzell, K., Laffel, N., Laffel, L.M. “Computerized Automated Reminder Diabetes System (CARDS): e‐mail and 
SMS cell phone text messaging reminders to support diabetes management.” Diabetes Technol. Ther. 2009 Feb; 11(2):99‐106.  
A18. Kim, H.S., Kim, N.C., Ahn, S.H. “Impact of a nurse short message service intervention for patients with diabetes.” J. Nurs. Care 
Qual. 2006 Jul‐Sep; 21(3):266‐271.  
A19. Quinn, C.C., Clough, S.S., Minor, J.M., Lender, D., Okafor, M.C., Gruber‐Baldini, A. “WellDoc mobile diabetes management 
randomized controlled trial: change in clinical and behavioral outcomes and patient and physician satisfaction.” Diabetes 
Technol. Ther. 2008 Jun; 10(3):160‐168.  
A20. Arsand, E., Tufano, J.T., Ralston, J.D., Hjortdahl, P. “Designing mobile dietary management support technologies for people with 
diabetes.” J. Telemed. Telecare 2008; 14(7):329‐332.  
A21. Franklin, V.L., Greene, A., Waller, A., Greene, S.A., Pagliari, C. “Patients' engagement with "Sweet Talk" ‐ a text messaging 
  70 
 support system for young people with diabetes.” J. Med. Internet Res. 2008 Jun 30; 10(2):e20.  
A22. Kollmann, A., Riedl, M., Kastner, P., Schreier, G., Ludvik, B. “Feasibility of a mobile phone‐based data service for functional insulin 
treatment of type 1 diabetes mellitus patients.” J. Med. Internet Res. 2007 Dec 31; 9(5):e36.  
A23. Mohan, P., Marin, D., Sultan, S., Deen, A. “MediNet: personalizing the self‐care process for patients with diabetes and 
cardiovascular disease using mobile telephony.” Conf. Proc. IEEE Eng. Med. Biol. Soc. 2008; 2008:755‐758.  
A24. Quinn, C.C., Gruber‐Baldini, A.L., Shardell, M., Weed, K., Clough, S.S., Peeples, M., et al. “Mobile diabetes intervention study: 
testing a personalized treatment/behavioral communication intervention for blood glucose control.” Contemp. Clin. Trials 2009 
Jul; 30(4):334‐346.  
A25. Holtz, B., Whitten, P. “Managing asthma with mobile phones: a feasibility study.” Telemed. J. E. Health. 2009 Nov; 15(9):907‐909.  
A26. Ostojic, V., Cvoriscec, B., Ostojic, S.B., Reznikoff, D., Stipic‐Markovic, A., Tudjman, Z. “Improving asthma control through 
telemedicine: a study of short‐message service.” Telemed. J. E. Health. 2005 Feb; 11(1):28‐35.  
A27. Pinnock, H., Slack, R., Pagliari, C., Price, D., Sheikh, A. “Understanding the potential role of mobile phone‐based monitoring on 
asthma self‐management: qualitative study.” Clin. Exp. Allergy. 2007 May; 37(5):794‐802.  
A28. Ryan, D., Cobern, W., Wheeler, J., Price, D., Tarassenko, L. “Mobile phone technology in the management of asthma.” J. 
Telemed. Telecare. 2005; 11 Suppl 1:43‐46.  
A29. Hayn, D., Koller, S., Hofmann‐Wellenhof, R., Salmhofer, W., Kastner, P., Schreier, G. “Mobile phone‐based teledermatologic 
compliance management ‐ preliminary results of the TELECOMP study.” Stud. Health Technol. Inform. 2009; 150:468‐472. 
A30. Chen, Z.W., Fang, L.Z., Chen, L.Y., Dai, H.L. “Comparison of an SMS text messaging and phone reminder to improve attendance at 
a health promotion center: a randomized controlled trial.” J. Zhejiang Univ. Sci. B. 2008 Jan; 9(1):34‐38. 
A31. da Costa, T.M., Salomao, P.L., Martha, A.S., Pisa, I.T., Sigulem, D. “The impact of short message service text messages sent as 
appointment reminders to patients' cell phones at outpatient clinics in Sao Paulo, Brazil.” Int. J. Med. Inform. 2009 Sep 25.  
A32. Geraghty, M., Glynn, F., Amin, M., Kinsella, J. “Patient mobile telephone 'text' reminder: a novel way to reduce non‐attendance 
at the ENT out‐patient clinic.” J. Laryngol. Otol. 2008 Mar; 122(3):296‐298.  
A33. Milne, R.G., Horne, M., Torsney, B. “SMS reminders in the UK national health service: an evaluation of its impact on "no‐shows" 
at hospital out‐patient clinics.” Health Care Manage. Rev. 2006 Apr‐Jun; 31(2):130‐136.  
A34. Koshy, E., Car, J., Majeed, A. “Effectiveness of mobile‐phone short message service (SMS) reminders for ophthalmology 
outpatient appointments: observational study.” BMC Ophthalmol. 2008 May 31; 8:9.  
A35. Fairhurst, K., Sheikh, A. “Texting appointment reminders to repeated non‐attenders in primary care: randomised controlled 
study.” Qual. Saf. Health. Care. 2008 Oct; 17(5):373‐376.  
A36. Mao, Y., Zhang, Y., Zhai, S. “Mobile phone text messaging for pharmaceutical care in a hospital in China.” J. Telemed. Telecare 
2008; 14(8):410‐414.  
A37. Cocosila, M., Archer, N., Haynes, R.B., Yuan, Y. “Can wireless text messaging improve adherence to preventive activities? Results 
of a randomised controlled trial.” Int .J. Med .Inform. 2009 Apr; 78(4):230‐238.  
A38. Armstrong, A.W., Watson, A.J., Makredes, M., Frangos, J.E., Kimball, A.B., Kvedar, J.C. “Text‐message reminders to improve 
sunscreen use: a randomized, controlled trial using electronic monitoring.” Arch. Dermatol. 2009 Nov; 145(11):1230‐1236.  
A39. Gerber, B.S., Stolley, M.R., Thompson, A.L., Sharp, L.K., Fitzgibbon, M.L. “Mobile phone text messaging to promote healthy 
behaviors and weight loss maintenance: a feasibility study.” Health. Informatics J. 2009 Mar; 15(1):17‐25. 
A40. Joo, N.S., Kim, B.T. “Mobile phone short message service messaging for behaviour modification in a community‐based weight 
control programme in Korea.” J. Telemed. Telecare. 2007; 13(8):416‐420.  
A41. Morak, J., Schindler, K., Goerzer, E., Kastner, P., Toplak, H., Ludvik, B., et al. “A pilot study of mobile phone‐based therapy for 
obese patients.” J. Telemed. Telecare. 2008; 14(3):147‐149.  
A42. Free, C., Whittaker, R., Knight, R., Abramsky, T., Rodgers, A., Roberts, I.G. “Txt2stop: a pilot randomized controlled trial of mobile 
phone‐based smoking cessation support.” Tob. Control. 2009; 18:88‐91  
A43. Ivatury, G., Moore, J., Bloch, A. “A Doctor in Your Pocket: Health Hotlines in Developing Countries.” Innovations: Technology, 
Governance, Globalization. 2009; 4(1):119‐153. 
 
 

  71 
DATA COLLECTION AND DISEASE SURVEILLANCE REFERENCES 
B1. Anantraman, V., Mikkelsen, T., Khilnani, R., Kumar, V.S., Pentland, A., Ohno‐Machado, L. “Open source handheld‐based EMR for 
paramedics working in rural areas.” AMIA Annu. Symp. Proc. 2002; 12‐16.  
B2. Blaya, J.A., Cohen, T., Rodriguez, P., Kim, J., Fraser, H.S. “Personal digital assistants to collect tuberculosis bacteriology data in 
Peru reduce delays, errors, and workload, and are acceptable to users: cluster randomized controlled trial.” International Journal 
of Infectious Diseases. 2009; 13(3):410‐18.  
B3. Forster, D., Behrens, R.H., Campbell, H., Byass, P. “Evaluation of a computerized field data collection system for health surveys.” 
Bulletin of the World Health Organization. 1991; 69(1):107‐11.  
B4. Galliher, J.M., Stewart, T.V., Pathak, P.K., Werner, J.J., Dickinson, L.M., Hickner, J.M. “Data collection outcomes comparing paper 
forms with PDA forms in an office‐based patient survey.” Annals of Family Medicine. 2008 Mar‐Apr; 6(2):154‐60. 
B5. Blaya, J., Fraser, H.S. “Development, implementation and preliminary study of a PDA‐based tuberculosis result collection 
system.” AMIA Annu. Symp. Proc. 2006; 41‐45. 
B6. Buck, D.S., Rochon, D., Turley, J.P. “Taking it to the streets: recording medical outreach data on personal digital assistants.” 
Comput. Inform. Nurs. 2005 Sep‐Oct; 23(5):250‐255.  
B7. Escandon, I.N., Searing, H., Goldberg, R., Duran, R., Arce, J.M. “The use of PDAs to collect baseline survey data: lessons learned 
from a pilot project in Bolivia.” Glob. Public Health. 2008; 3(1):93‐104.  
B8. Safaie, A., Mousavi, S.M., LaPorte, R.E., Goya, M.M., Zahraie, M. “Introducing a model for communicable diseases surveillance: 
cell phone surveillance (CPS).” Eur. J. Epidemiol. 2006; 21(8):627‐632.  
B9. Yu, P., de Courten, M., Pan, E., Galea, G., Pryor, J. “The development and evaluation of a PDA‐based method for public health 
surveillance data collection in developing countries.” Int. J. Med. Inform. 2009 Aug; 78(8):532‐542.  
B10. Tegang, S.P., Emukule, G., Wambugu, S., Kabore, I., Mwarogo, P. “A comparison of paper‐based questionnaires with PDA for 
behavioral surveys in Africa: Findings from a behavioral monitoring survey in Kenya.” Journal of Health Informatics in Developing 
Countries. 2009; 3:1.  
B11. Bernabe‐Oritz, A., Curioso, W.H., Gonzales, M.A., Evangelista, W., Castagnetto, J.M., Carcamo, C.P., et al. “Handheld computers 
for self‐administered sensitive data collection: a comparative study in Peru.” BMC Med. Inform. Decis. Mak. 2008 Mar 19; 8:11.  
B12. van Dijk, A., McGuinness, D., Rolland, E., Moore, K.M. “Can Telehealth Ontario respiratory call volume be used as a proxy for 
emergency department respiratory visit surveillance by public health?” CJEM. 2008 Jan; 10(1):18‐24. 
B13. Heiberg, T., Kvien, T., Dale, O., Mowinckel, P., Aanerud, G., Songe‐Moller, A.B., et al. “Daily health status registration (patient 
diary) in patients with rheumatoid arthritis: a comparison between personal digital assistant and paper‐pencil format.” Arthritis 
Rheum. 2007 Apr 15; 57(3):454‐460.  
B14. Seebregts, C.J., Zwarenstein, M., Mathews, C., Fairall, L., Flisher, A., Seebregts, C., et al. “Handheld computers for survey and trial 
data collection in resource‐poor settings: development and evaluation of PDACT, a Palm Pilot interviewing system.” Int. J. Med. 
Inform. 2009 Nov; 78(11):721‐731.  
B15. Selanikio, J., Donna, R. Datadyne brief. DataDyne. http://www.datadyne.org/files/DataDyne brief.pdf.  
B16. Engebretsen, T. “Acceptance of information technology by health research projects in low‐income countries: Intention to use 
and acceptance of using EpiHandy (IUAUE).” Master’s thesis, Agder University College, Dec. 2005.  
B17. Dale, O., Hagen, K.B. “Despite technical problems personal digital assistants outperform pen and paper when collecting patient 
diary data.” J. Clin. Epidemiol. 2007 Jan; 60(1):8‐17.  
B18. Curioso, W.H., Karras, B.T., Campos, P.E., Buendia, C., Holmes, K.K., Kimball, A.M. “Design and implementation of Cell‐PREVEN: a 
real‐time surveillance system for adverse events using cell phones in Peru.” AMIA Annu. Symp. Proc. 2005; 176‐180. 
B19. Patnaik, S., Brunskill, E., Thies, W. “Evaluating the Accuracy of Data Collection on Mobile Phones: A Study of Forms”. ICTD; 2009.  
B20. Trapl, E., Borawski, E., Stork, P., Lovegreen, L., Colabianchi, N., Cole, M., et al. ”Use of audio‐enhanced personal digital assistants 
for school‐based data collection.” J. Adolesc. Health. 2005 Oct; 37(4):296‐305.  
B21. Parikh, T.S. “Using mobile phones for secure, distributed document processing in the developing world.” Pervasive Computing. 
2005; 4(2). 
B22. Parikh, T.S., Javid, P., Ghosh, S.K.K., Toyama, K. “Mobile phones and paper documents: Evaluating a new approach for capturing 
microfinance data in rural India.” Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. 2006; 551‐560.  
B23. Krishnamurthy, R., Frolov, A., Wolkon, A., Vanden Eng, J., Hightower, A. “Application of pre‐programmed PDA devices equipped 
with global GPS to conduct paperless household surveys in rural Mozambique.” AMIA Annu. Symp. Proc. 2006;991. 

  72 
 B24. Blaschke, S., Bokenkamp, K., Cosmaciuc, R., Denby, M., Hailu, B., Short, R. Using Mobile Phones to Improve Child Nutrition 
Surveillance in Malawi. UNICEF Malawi and UNICEF Innovations. 2009. 
B25. Shirima, K., Mukasa, O., Schellenberg, J.A., Manzi, F., John, D., Mushi, A., et al. “The use of personal digital assistants for data 
entry at the point of collection in a large household survey in southern Tanzania.” Emerg. Themes Epidemiol. 2007 Jun 1; 4:5.  
B26. Diero, L., Rotich, J., Bii, J., Mamlin, B., Einterz, R., Kalamai, I., et al. “A computer‐based medical record system and personal 
digital assistants to assess and follow patients with respiratory tract infections visiting a rural Kenyan health centre.” BMC 
Medical Informatics and Decision Making. 2006; 6(1):21. 
B27. Anantraman, V., Mikkelsen, T., Khilnani, R., Kumar, V.S., Machi‐raju, N.R., Pentland, A., et al. “Handheld computers for rural 
healthcare: Experiences from research concept to global operations.” Proceedings of Development by Design. 2002; 1‐10.  
B28. Fynn, R. “Remote HIV/AIDS patient monitoring tool using 3G/GPRS packet‐switched mobile technology.” Appropriate Healthcare 
Technologies for Developing Countries. 2006; 129‐138. 
B29. Skinner, D., Rivette, U., Bloomberg, C. “Evaluation of use of cellphones to aid compliance with drug therapy for HIV patients.” 
AIDS Care. 2007; 19(5):605‐607. 
B30. UNESCAP. Achieving the Health Millennium Development Goals in Asia and the Pacific: Policies and Actions Within Health 
Systems and Beyond. United Nations Publications. 2007.  
B31. “Mali: Mobile service helps bring down infant mortality.” Balancing Act News. 2007; 364, 
http://www.balancingactafrica.com/news/back/balancing‐act 364.html.  
B32. Handhelds for health: SATELLIFE'S experiences in Africa and Asia. SATELLIFE. 2005. 
B33. Rust, J.E., Tafflinger, T. “Quality in your hands: using PDA technology for data collection.” Clin. Nurse Spec. 2004 Jul‐Aug; 
18(4):175‐177.  
B34. Pingree, S., Hawkins, R., Baker, T., duBenske, L., Roberts, L.J., Gustafson, D.H. “The value of theory for enhancing and 
understanding e‐health interventions.” Am. J. Prev. Med. 2010; 38(1):103‐109. 
 

  73 
HEALTH INFORMATION SYSTEMS: POINT‐OF‐CARE SUPPORT TOOLS FOR HEALTH WORKERS 
C1. Valenzuela, J.I., et al. “Health Care Workers' Perception of the Internet and Mobile Technologies in Colombia.” Pan American 
Journal of Public Health. 2009; 25(4):367‐374. 
C2. Mechael, P.N. “Exploring Health‐related Uses of Mobile Phones: An Egyptian Case Study.” PhD Thesis, London School of Hygiene 
and Tropical Medicine. 2006. 
C3. Mechael, P.N. and The Dodowa Health Research Center. “MoTECH: mHealth Ethnography Report.” For The Grameen 
Foundation. 2009. 
C4. Scott, R.E., et al. “An e‐health needs assessment of medical residents in Cameroon.” Journal of Telemedicine and Telecare. 2005; 
11 Suppl 2:S78‐80. 
C5. Prgomet, M., et al. “The impact of mobile handheld technology on hospital physicians' work practices and patient care: A 
systematic review.” Journal of the American Medical Informatics Association. 2009; 16(6):792‐801. 
C6. Patrick, K., et al. “Health and the mobile phone.” American Journal of Preventive Medicine. 2008; 35(2):177‐181. 
C7. Martins, H.M.G, Jones, M.R. “What's so different about mobile information communication technologies (MICTs) for clinical 
work practices? A review of selected pilot studies.” Health Informatics Journal. 2005; 11(2):123‐134. 
C8. Ho, M., et al. “Claim Mobile: Engaging Conflicting Stakeholder Requirements in Healthcare in Uganda.” ICTD 2009, Doha, Qatar. 
2009;  www.melissaho.com/presentations/ictd09‐mho‐stakeholder‐slides.pdf 
C9. Yusof, K., et al. “Role of teleconsultation in moving the healthcare system forward.” Asia‐Pacific Journal of Public Health. 2002; 
14(1):29‐34. 
C10. TVE.org.  “Series 7: Programme 5 (of 8)—‘Taking Off’, Pre‐Flight Checks—Tanzania and Kenya.” Hands On. 2004. 
http://www.tve.org/ho/series7/05_taking_off_reports/report5.html 
C11. Kaplan, W.A. “Can the ubiquitous power of mobile phones be used to improve health outcomes in developing countries?” 
Globalization and Health. 2006; 2(9). 
C12. Lu, Y.‐C., et al. “A review and a framework of handheld computer adoption in healthcare.” International Journal of Medical 
Informatics. 2005; 74(5):409‐422. 
C13. Lucas, H. “Information and communications technologies for future health systems in developing countries.” Social Science & 
Medicine. 2008; 66(10):2122‐2132. 
C14. Fox‐Rushby, J.A., Foord, F. “Costs, effects and cost‐effectiveness analysis of a mobile maternal health service in West Kiang, The 
Gambia.” Health Policy. 1996; 35(2):123‐143. 
C15. Kanter, A.S., et al. “Millennium Global Village‐Net: Bringing together millennium villages throughout Sub‐Saharan Africa.” 
International Journal of Medical Informatics. 2009; 78(12):802‐807. 
C16. Kuntalp, M., Akar, O. “A Simple and low‐cost internet‐based teleconsultation system that could effectively solve the health care 
access problems in underserved areas of developing countries.” Computer Methods and Programs in Biomedicine. 2004; 
75(2):117‐126. 
C17. Chatterjee, S., et al. “Examining the success factors for mobile work in healthcare: A deductive study.” Decision Support Systems. 
2009; 46(3):620‐633. 
C18. Nokia. “Nokia unveils two handsets that offer a range of useful features and colours aimed at consumers in emerging markets.” 
Accessed 23 March 2010. http://www.nokia.com/A4805502. 
C19. Curioso, W.H., et al. “Cell phones as a health care intervention in Peru: The Cell‐PREVEN project.” Globalization and Health. 
2009; 2(9): 240527. http://www.globalizationandhealth.com/content/2/1/9/comments#240527. 
C20. International Telecommunications Union. ICT Statistics. http://www.itu.int/ITU‐D/ict/statistics/ict/index.html. 
C21. Atun, R.A., et al. “Uses and benefits of SMS in healthcare delivery.” Discussion paper, Imperial College London. 2005;  
http://www3.imperial.ac.uk/portal/pls/portallive/docs/1/5375912.PDF. 
C22. Faleyimu, B.L., et al. “Committing teleinformatics into delivering preventive medicare in an African oil and gas company.” 
International Conference on Health, Safety and Environment in Oil and Gas Exploration and Production. 2004. 
C23. Fraser, H.S.F., et al. “Information systems for patient follow‐up and chronic management of HIV and tuberculosis: A life‐saving 
technology in resource‐poor areas.” Journal of Medical Internet Research. 2007; 9(4):e29. 
C24. Krishna, S., et al. “Healthcare via cell phones: A systematic review.” Telemedicine and e‐Health. 2009; 15(3):231‐240. 
C25. Mitchell, M., et al. “Improving care ‐ improving access: The use of electronic decision support with AIDS patients in South Africa.” 
International Journal of Healthcare Technology and Management. 2009; 10(3):156‐168. 
C26. Skinner, C., Finkelstein, J. “Review of mobile phone use in preventive medicine and disease management.” Proceedings: 

  74 
 Telehealth and Assistive Technologies. 2008. 
C27. Ybarra, M.L., Bull, S.S. “Current trends in internet‐and cell phone‐based HIV prevention and intervention programs.” Current 
HIV/AIDS Reports. 2007; 4(4):201‐207. 
C28. Yu, P., et al. “The development and evaluation of a PDA‐based method for public health surveillance data collection in 
developing countries.” International Journal of Medical Informatics. 2009; 78(8):532‐542. 
C29. Zanner, R., et al. “Evaluation of M‐AID, a first aid application for mobile phones.” Resuscitation. 2007; 74(3):487‐494. 
C30. Zimic, M., et al. “Can the power of mobile phones be used to improve tuberculosis diagnosis in developing countries?” 
Transactions of the Royal Society of Tropical Medicine and Hygiene. 2009; 103:638‐640. 
 

  75 
DISEASE PREVENTION AND HEALTH PROMOTION REFERENCES  
D1. Black, R.E. “Prevention in developing countries.” J. Gen. Intern. Med. 1990; 5.5 Suppl: S132‐135. 
D2. Integrating Prevention into Health Care. World Health Organization. 2002; Accessed 8 Feb 2010, 
www.who.int/mediacentre/factsheets/fs172/en/index.html.  
D3. Lazev, A.B., Vidrine, D.J., Arduino, R.C., Gritz, E.R. “Increasing access to smoking cessation treatment in a low‐income, HIV‐
positive population: The feasibility of using cellular telephones.” Nicotine & Tobacco Research. 2004; 6(2):281‐286. 
D4. Labonne, J., Chase, R.S. So you want to quit smoking: Have you tried a mobile phone? The World Bank, Sustainable Development 
Network, Social Development Department. 2008. 
D5. Krishna, S., Boren, S.A., and Balas, E.A. “Healthcare via cell phones: A systematic review.” Telemed and e‐Health. 2009; 
15(3):231‐240. 
D6. Winchester, W.W. III. “Catalyzing a perfect storm: Mobile phone based HIV prevention behavioral interventions.” Interactions. 
2009; 16(6):6‐12. 
D7. Roura, M., Urassa, M., Busza, J., Mbata, D., Wringe, A., Zaba, B. “Scaling up stigma? The effects of antiretroviral roll‐out on 
stigma and HIV testing: Early evidence from Tanzania.” Sex Transm. Infect. 2009; 85(4):308‐312. 
D8. Dolan, B. “@mHI startup boasts 150K paying mHealth users.” Mobihealthnews, 2010. Accessed 8 Feb 2010: 
mobihealthnews.com/6381/mhi‐startup‐boasts‐150k‐paying‐mhealth‐users/#more‐6381.  
D9. Levine, D., McCright, J., Dobkin, L., Woodruff, A.J., Klausner, J.D.. “SEXINFO: A sexual health text messaging service for San 
Francisco youth.” Am. J. Public Health. 2008; 98(3):393‐395. 
D10. PSI DR Congo, Toth, C. Cell phone hotline spreads family planning information in DR Congo. USAID from the American People. 
2008. 
D11. Jareethum, R., Titapant, V., Chantra, T., Sommal, V., Chuenwattana, O., Jirawan, C.. “Satisfaction of healthy pregnant women 
receiving short message service via mobile phone for prenatal support: A randomized controlled trial.” Journal of the Medical 
Association of Thailand. 2008; 91(4):458‐463. 
D12. Consolvo, S., McDonald, D.W., Landay, J.A. “Theory‐driven design strategies for technologies that support behavior change in 
everyday life.” Proceedings of ACM CHI 2009 Conference on Human Factors in Computing Systems. 2009; 405‐414.  
D13. Anderson, I., Maitland, J., Sherwood, S., Barkhuus, L., Chalmers, M., Hall, M., Brown, B., Muller, H.. “Shakra: Tracking and sharing 
daily activity levels with unaugmented mobile phones.” Mobile Netw. Appl. 2007; 12:185‐199. 
D14. Zou, Y., Istepanian, R.S.H., Wang, X., Geake, T.. “Design and implementation of a mobile diabetes management system.” J. 
Mobile Multimedia. 2006; 1(4):273‐284. 
D15. Anhøj, J., Møldrup, C.. “Feasibility of collecting diary data from asthma patients through mobile phones and SMS (short message 
service): Response rate analysis and focus group evaluation from a pilot study.” J. Med. Internet Res. 2004; 6(4):e42. 
D16. Menon‐Johansson, A.S., McNaught, F., Mandalia, S., et al. “Texting decreases the time to treatment for genital Chlamydia 
trachomatis infection.” Sex Transm. Infect. 2006;  82:49‐51. 
D17. Traver, V., Montón, E., Bayo, J.L., García, J.M., Hernández, J., Guillén, S.. “Multiagent home telecare platform for patients with 
cardiac diseases.” Computers in Cardiology. 2003; 30:117‐120. 
D18. Hurling, R., Catt, M., De Boni, M., Fairley, B.W., Hurst, T., Murray, P., Stat, C., Phil, M., Richardson, A., Sodhi, J.S. “Using Internet 
and mobile phone technology to deliver an automated physical activity program: Randomized controlled trial.” J. Med. Internet 
Res. 2007; 9(2):e7. 
D19. Text to change: Expanding HIV prevention and uptake of HIV Voluntary Counseling and Testing (VCT) through interactive SMS 
messaging in Mbarara, Uganda. 2008. Accessed 8 Feb 2010, http://w4d.org/images/b/bd/TTC‐Uganda‐2008.pdf.  
D20. De Tolly, K., Alexander, H. Innovative use of cellphone technology for HIV/AIDS behaviour change communications: 3 pilot 
projects. The Communication Initiative Network, 2009. Accessed 8 Feb 2010, 
www.comminit.com/redirect.cgi?m=32b975fae508f7d5d1f51864e90da736. 
D21. Ray, P., Parameswaran, N., Chan, V., Yu, W. “Awareness modeling in collaborative mobile e‐health.” Journal of Telemedicine and 
Telecare. 2008; 14:381‐385. 
D22. Chib, A. Information and communication technologies for health care: Midwife mobile‐phone project in Aceh Besar. 2008. 
D23. Gomez, E.A. “Connecting communities of need with public health: Can SMS text‐messaging improve outreach communication?” 
st
The 41  International Conference on System Sciences. 2008, Hawaii.  
D24. Varshney, U. “Pervasive healthcare and wireless health monitoring.” Mobile Netw. Appl. 2007; 12:113‐127.  

  76 
 D25. Nakajima, R., Nakamura, K., Takano, T., Seino, K., Inose, T. “Improvements in health by consultations using mobile videophones 
among participants in a community health promotion programme.” Journal of Telemedicine and Telecare. 2007; 13:411‐415. 

  77 
EMERGENCY MEDICAL RESPONSE SYSTEM REFERENCES  
E1. Kobusingye, O.C., Hyder, A.A., Bishai, D., Hicks, E.R., Mock, C., Joshipura, M. “Emergency medical systems in low‐ and middle‐
income countries: recommendations for action.” Bull. World Health Organ. 2005; 83(8):626‐631. 
E2. VanRooyen, M.J., Thomas, T.L., Clem, K.J. “International emergency medical services: assessment of developing prehospital 
systems abroad.” J. Emerg. Med. 1999; 17(4):691‐696. 
E3. Chew, S.H., Chong, P.A., Gunawan, E., Goh, K.W., Kim, Y., Soh, C.B. “A hybrid mobile‐based patient location tracking system for 
personal healthcare applications.” Conf. Proc. IEE Eng. Med. Biol. Soc. 2006; 1:5188‐5191. 
E4. Chien‐Chih, L., Ren‐Guey, L., Chun‐Chieh, H., Hsin‐Sheng, L., Chun‐Chang, C. “A H‐QoS‐demand personalized home physiological 
monitoring system over a wireless multi‐hop relay network for mobile home healthcare applications.” Journal of Network and 
Computer Applications. 2009; 32(6):1229‐1241. 
E5. Hsu‐Yang, K., Mei‐Hsien, L., Chi‐Yu, H., Chia‐Ni, L. “Context‐aware emergency remedy system based on pervasive computing.” 
EUC. 2005; 775‐784.  
E6. Lin, C.C., Chiu, M.J., Hsiao, C.C., Lee, R.G., Tsai, Y.S. “Wireless health care service system for elderly with dementia.” IEEE Trans. 
Inf. Technol. Biomed. 2006; 10(4):696‐704. 
E7. Ren‐Guey, L., Kuei‐Chien, C., Chun‐Chieh, H., Chwan‐Lu, T. “A mobile care system with alert mechanism.” IEEE Transactions on 
Information Technology in Biomedicine. 2007; 11(5):507‐517. 
E8. Birati, E.Y., Malov, N., Kogan, Y., Yanay, Y., Tamari, M., Elizur, M., Roth, A. “Vigilance, awareness and a phone line: 20 years of 
expediting CPR for enhancing survival after out‐of‐hospital cardiac arrest. The ‘SHL’‐Telemedicine experience in Israel.” 
Resuscitation. 2008; 79(3):438‐443. 
E9. Capampangan, D.J., Wellik, K.E., Bobrow, B.J., Aguilar, M.I., Ingall, T.J., Kernan, T.E., Wingerchuk, D.M., Demaerschalk, B.M. 
“Telemedicine versus telephone for remote emergency stroke consultation: a critically appraised topic.” Neurologist. 2009; 
15(3):163‐166. 
E10. Chandhanayingyong, C., Tangtrakulwanich, B., Kiriratnikom, T. “Teleconsultation for emergency orthopaedic patients using the 
multimedia messaging service via mobile phones.” J. Telemed. Telecare. 2007; 13:193‐196. 
E11. De Leo, G., Krishna, S., Balas, E.A., Maglaveras, N., Boren, S.A., Beltrame, F., Fato, M. “WEB‐WAP Based Telecare in Kohane.” 
AMIA Annual Symposium, Biomedical Informatics: One Discipline. 2002; 200‐204. 
E12. Syed, T.A., Sadiq, Z., Shah, Y.R., Al‐Saeed, M., Weatherill, M.H. “Role of mobile multimedia messaging service (MMS) in trauma 
and orthopaedic telediagnosis.” European Journal of Orthopaedic Surgery and Traumatology. 2007; 17(6):603‐607. 
E13. Yang, C.W., Wang, H.C., Chiang, W.C., Chang, W.T., Yen, Z.S., Chen, S.Y., Lin, F.Y. “Impact of adding video communication to 
dispatch instructions on the quality of rescue breathing in simulated cardiac arrests—a randomized controlled study.” 
Resuscitation. 2008; 78(3):327‐332. 
E14. Yang, C.W., Wang, H.C., Chiang, W.C., Hsu, C.W., Chang, W.T., Yen, Z.S., Chang, S.C. “Interactive video instruction improves the 
quality of dispatcher‐assisted chest compression‐only cardiopulmonary resuscitation in simulated cardiac arrests.” Crit. Care 
Med. 2009; 37(2):490‐495. 
E15. Yamada, M., Watarai, H., Andou, T., Sakai, N. “Emergency image transfer system through a mobile telephone in Japan: technical 
note.” Neurosurgery. 2003; 52(4):986‐988; discussion 988‐990. 
E16. Mechael, P. “Exploring health‐related uses of mobile phones: An Egyptian case study.” Public Health & Policy. London: London 
School of Hygiene and Tropical Medicine. 2006; 264. 
E17. Ambulance Access for All. Dial 1298 for Ambulance. www.1298.in, n.d. Accessed 20 March 2010. 
E18. Hsieh, C.H., Tsai, H.H., Yin, J.W., Chen, C.Y., Yang, J.C., Jeng, S.F. “Teleconsultation with the mobile camera‐phone in digital soft‐
tissue injury: A feasibility study.” Plastic and Reconstructive Surgery. 2004; 114(7):1776‐1782. 
E19. Tsai, H.H., Pong, Y.P., Liang, C.C., Lin, P.Y., Hsieh, C.H. “Teleconsultation by using the mobile camera phone for remote 
management of the extremity wound: A pilot study.” Annals of Plastic Surgery. 2004; 53(6):584‐587. 
E20. Demaerschalk, B.M., Miley, M.L., Kernan, T.E., STARR Co‐investigators. “Stroke telemedicine.” Mayo Clin. Proc. 2009; 84(1):53‐
64. 
E21. Handschu, R., Littmann, R., Reulbach, U., Gaul, C., Heckmann, J.G., Neundörfer, B., Scibor, M. “Telemedicine in emergency 
evaluation of acute stroke: interrater agreement in remote video examination with a novel multimedia system.” Stroke. 2003; 
34(12):2842‐2846. 
E22. Phabphal, K., Hirunpatch, S. “The effectiveness of low‐cost teleconsultation for emergency head computer tomography in 

  78 
 patients with suspected stroke.” J. Telemed. Telecare. 2008; 14(8):439‐442. 
E23. Schwamm, L.H., Holloway, R.G., Amarenco, P., Audebert, H.J., Bakas, T., American Heart Association Stroke Council, 
Interdisciplinary Council on Peripheral Vascular Disease. “A review of the evidence for the use of telemedicine within stroke 
systems of care: a scientific statement from the American Heart Association/American Stroke Association.” Stroke. 2009; 
40(7):2616‐2634. 
E24. Duchesne, J.C., Kyle, A., Simmons, J., Islam, S., Schmieg, R.E. Jr., Olivier, J., McSwain, N.E. Jr. “Impact of telemedicine upon rural 
trauma care.” J. Trauma. 2008; 64(1):92‐97, discussion 97‐98. 
E25. Coyle, D., Childs, M.B. The Role of Mobiles in Disasters and Emergencies. Enlightenment Economics and the GSM Association. 
2005. 
E26. Yang, C., Yang, J., Luo, X., Gong, P. “Use of mobile phones in an emergency reporting system for infectious disease surveillance 
after the Sichuan Earthquake in China.” WHO Bulletin. 2009; 87(8):619‐623. 
E27. Coyle, D., Meier, P. New Technologies in Emergencies and Conflicts: The Role of Information and Social Networks. Washington, 
D.C. and London, UK: UN Foundation‐Vodafone Foundation Partnership, 2009. 
E28. Giridharadas, A. Africa’s gift to silicon valley: How to track a crisis. New York Times, Week in Review. 2010; March 10. 
E29. Jagtman, H.M. “Cell broadcast trials in The Netherlands: Using mobile phone technology for citizens’ alarming.” Reliability 
Engineering & System Safety. 2009; 95(1):18‐28. 
E30. Samarajiva, R., Waidyanatha, N. “Two complementary mobile technologies for disaster warning.” The Journal of Policy, 
Regulation and Strategy for Telecommunications. 2009; 11(2):58‐65. 
E31. Mechael, P.N., Dodowa Health Research Center. MoTech: mHealth Ethnography Report. Washington, D.C.: Grameen Foundation. 
2009. Raymond, E.G., Spruyt, A., Bley, K., Colm, J., Gross, S., Robbins, L.A. “The North Carolina DIAL EC project: increasing access 
to emergency contraceptive pills by telephone.” Contraception. 2004; 69(5):367‐372. 
E32. Meade, K., Lam, D.M. “A deployable telemedicine capability in support of humanitarian operations.” Telemed. J. E. Health. 2007; 
13(3):331‐340. 
E33. Millennium Villages Project & Ericsson. mHealth in the Millennium Villages Project. Millennium Villages Project, 2007. 
E34. Razzak, J.A., Kellermann, A.L. “Emergency medical care in developing countries: is it worthwhile?” WHO Bulletin. 2002; 
80(11):900‐905. 
 

OTHER 
F1. Istepanian, R., Lacal, J. “Emerging mobile communication technologies for health: Some imperative notes on m‐health.” In: IEEE 
(Ed.), The 25th Silver 59 Anniversary International Conference of the IEEE Engineering in Medicine and Biology Society. Cancun, 
Mexico: IEEE. 2003. 
F2. Vital Wave Consulting. mHealth for Development: The Opportunity of Mobile Technology for Healthcare in the Developing World. 
Washington, D.C. and Berkshire, UK: UN Foundation‐Vodafone Foundation Partnership, 2009. 
F3. Curioso, W.H., Mechael, P.N. “Enhancing ‘m‐health’ with south‐to‐south collaborations.” Health Affairs, Supplement. 2010; 
29(2):264‐267.  
 

  79